Cargar las librerias

rm(list = ls())

# Cargar las librerías
library(ggplot2)   # Para visualización de datos
library(stats)     # Para funciones estadísticas básicas
library(car)       # Para análisis de regresión y diagnóstico
library(nortest)   # Para pruebas de normalidad
library(gtsummary) # Para resumen de tablas y análisis descriptivos
library(reshape2)
library(gridExtra)
library(tidyr)
library(dplyr)
library(patchwork)
library(tibble)
library(nparLD)
library(PMCMRplus)
library(ggplot2)
library(grid)
library(flextable)
library(officer)

Cargar el dataset y dataframes

# Cargar el archivo con los datos
Dataset_genes <- read.csv("C:/Users/resta/Desktop/UNIR 1 cuatrimestre asignaturas/Temas Estadística y R para Ciencias de la Salud/actividad 2/Dataset expresión genes.csv")

# 1. Filtrar las columnas correspondientes a los genes que comienzan con "AQ_"
genes_filtrados <- Dataset_genes[, grep("^AQ_", colnames(Dataset_genes))]

# Verificar los datos filtrados
head(genes_filtrados)
##   AQ_ADIPOQ  AQ_ALOX5   AQ_ARG1   AQ_BMP2   AQ_CCL2    AQ_CCL5   AQ_CCR5
## 1 4.114e-10 2.443e-05 5.979e-07 2.174e-09 1.717e-08 0.00005863 1.004e-06
## 2 3.130e-10 1.621e-05 5.198e-07 2.995e-09 3.996e-09 0.00003230 7.479e-07
## 3 0.000e+00 5.168e-05 1.010e-05 1.545e-07 5.013e-08 0.00085606 8.430e-06
## 4 1.248e-09 5.410e-05 2.006e-06 9.122e-09 1.237e-07 0.00041951 3.662e-06
## 5 0.000e+00 1.261e-05 8.680e-07 6.008e-09 3.402e-09 0.00022700 4.221e-06
## 6 0.000e+00 1.665e-05 1.299e-05 2.858e-08 1.673e-08 0.00015281 1.573e-06
##    AQ_CD274   AQ_CD36   AQ_CHKA  AQ_CPT1A   AQ_CSF2  AQ_CXCR1   AQ_FASN
## 1 4.441e-07 5.616e-06 9.936e-08 1.082e-06 4.114e-10 4.739e-06 2.884e-07
## 2 8.357e-08 4.283e-06 9.813e-08 1.250e-06 1.682e-09 3.008e-06 2.518e-07
## 3 2.834e-06 6.670e-05 7.636e-07 1.195e-05 0.000e+00 8.887e-05 4.277e-06
## 4 9.112e-07 1.721e-05 0.000e+00 4.726e-06 7.853e-09 9.079e-06 2.563e-06
## 5 8.632e-07 8.436e-06 2.609e-07 3.963e-06 1.499e-08 4.862e-06 7.134e-07
## 6 5.422e-07 1.790e-05 4.269e-07 2.688e-06 0.000e+00 9.244e-06 1.403e-06
##     AQ_FOXO3  AQ_FOXP3   AQ_G6PD   AQ_GPD2    AQ_GPX1   AQ_IFNG   AQ_IL10
## 1 0.00004622 1.101e-07 9.874e-06 0.000e+00 0.00006258 0.000e+00 8.750e-09
## 2 0.00002470 5.808e-08 4.496e-06 4.969e-07 0.00002545 3.554e-09 4.510e-09
## 3 0.00024841 1.387e-06 4.367e-05 4.886e-06 0.00014781 8.644e-07 6.254e-08
## 4 0.00035943 8.414e-07 2.989e-05 1.247e-06 0.00014760 1.072e-07 2.285e-08
## 5 0.00012576 1.124e-07 1.077e-05 4.510e-07 0.00005193 1.841e-07 1.883e-08
## 6 0.00009826 2.522e-07 1.488e-05 1.192e-06 0.00007646 1.204e-07 1.282e-08
##     AQ_IL1B    AQ_IL6   AQ_IRS1    AQ_JAK1   AQ_JAK3   AQ_LDHA    AQ_LIF
## 1 2.414e-06 7.658e-09 3.845e-08 0.00001136 3.173e-06 5.482e-06 5.734e-09
## 2 1.639e-06 1.634e-09 6.475e-08 0.00001246 1.668e-06 6.688e-06 3.161e-09
## 3 2.077e-05 5.383e-08 1.398e-07 0.00012148 5.262e-05 3.159e-05 0.000e+00
## 4 4.645e-06 1.248e-09 9.758e-08 0.00007567 4.556e-06 1.266e-05 1.413e-08
## 5 3.129e-06 1.410e-08 5.010e-08 0.00002698 7.545e-06 7.178e-06 7.145e-09
## 6 8.477e-06 2.564e-09 7.020e-08 0.00003090 1.368e-05 1.490e-05 0.000e+00
##    AQ_MAPK1 AQ_NFE2L2  AQ_NFKB1  AQ_NLRP3   AQ_NOS2   AQ_NOX5  AQ_PDCD1
## 1 5.863e-06 5.132e-06 2.577e-06 1.106e-06 4.114e-10 4.114e-10 9.512e-08
## 2 2.049e-06 2.698e-06 5.056e-07 1.030e-06 3.130e-10 3.130e-10 3.194e-08
## 3 5.995e-05 3.467e-05 2.500e-05 4.253e-06 0.000e+00 0.000e+00 1.645e-06
## 4 2.505e-05 1.704e-05 6.133e-06 2.766e-06 1.248e-09 1.248e-09 1.139e-06
## 5 9.393e-06 1.313e-05 2.283e-06 1.429e-06 1.089e-09 0.000e+00 2.807e-07
## 6 0.000e+00 1.420e-05 1.607e-05 2.161e-06 0.000e+00 7.165e-09 1.487e-07
##    AQ_PPARG  AQ_PTAFR  AQ_PTGS2 AQ_SLC2A4   AQ_SOD1 AQ_SREBF1  AQ_STAT3
## 1 1.178e-08 1.190e-05 2.095e-06 1.929e-07 4.016e-06 1.631e-06 3.890e-06
## 2 1.060e-08 1.190e-05 9.112e-07 8.051e-08 1.310e-06 9.571e-07 1.099e-06
## 3 4.047e-08 6.661e-05 7.411e-06 2.245e-07 1.896e-05 6.624e-06 2.932e-05
## 4 0.000e+00 1.522e-05 2.512e-06 3.137e-07 1.021e-05 2.977e-06 7.635e-06
## 5 1.456e-08 1.649e-05 2.093e-06 7.353e-08 8.320e-06 1.102e-06 5.240e-06
## 6 1.363e-08 2.889e-05 2.448e-06 1.972e-07 0.000e+00 4.002e-06 2.237e-05
##     AQ_TGFB1   AQ_TLR3   AQ_TLR4    AQ_TNF
## 1 0.00005262 2.093e-08 2.713e-06 1.304e-06
## 2 0.00002229 5.072e-09 2.622e-06 2.441e-07
## 3 0.00038151 2.786e-07 2.881e-05 1.929e-05
## 4 0.00024499 1.248e-09 1.185e-05 4.496e-06
## 5 0.00003898 7.010e-08 4.373e-06 4.060e-06
## 6 0.00012047 6.876e-08 9.354e-06 2.148e-06
# 2. Creacion del dataframe de tumor y trat
genes_tumor_trat <- Dataset_genes %>%
  dplyr::select(trat, tumor) %>%  # Seleccionar las columnas 'trat' y 'tumor'
  bind_cols(genes_filtrados)  # Añadir las columnas de genes filtrados a la derecha

# Ver los primeros registros de genes_tumor_trat
head(genes_tumor_trat)
##    trat tumor AQ_ADIPOQ  AQ_ALOX5   AQ_ARG1   AQ_BMP2   AQ_CCL2    AQ_CCL5
## 1 tratA   CCR 4.114e-10 2.443e-05 5.979e-07 2.174e-09 1.717e-08 0.00005863
## 2 tratB   CCR 3.130e-10 1.621e-05 5.198e-07 2.995e-09 3.996e-09 0.00003230
## 3 tratA    CM 0.000e+00 5.168e-05 1.010e-05 1.545e-07 5.013e-08 0.00085606
## 4 tratA   CCR 1.248e-09 5.410e-05 2.006e-06 9.122e-09 1.237e-07 0.00041951
## 5 tratB    CM 0.000e+00 1.261e-05 8.680e-07 6.008e-09 3.402e-09 0.00022700
## 6 tratB    CM 0.000e+00 1.665e-05 1.299e-05 2.858e-08 1.673e-08 0.00015281
##     AQ_CCR5  AQ_CD274   AQ_CD36   AQ_CHKA  AQ_CPT1A   AQ_CSF2  AQ_CXCR1
## 1 1.004e-06 4.441e-07 5.616e-06 9.936e-08 1.082e-06 4.114e-10 4.739e-06
## 2 7.479e-07 8.357e-08 4.283e-06 9.813e-08 1.250e-06 1.682e-09 3.008e-06
## 3 8.430e-06 2.834e-06 6.670e-05 7.636e-07 1.195e-05 0.000e+00 8.887e-05
## 4 3.662e-06 9.112e-07 1.721e-05 0.000e+00 4.726e-06 7.853e-09 9.079e-06
## 5 4.221e-06 8.632e-07 8.436e-06 2.609e-07 3.963e-06 1.499e-08 4.862e-06
## 6 1.573e-06 5.422e-07 1.790e-05 4.269e-07 2.688e-06 0.000e+00 9.244e-06
##     AQ_FASN   AQ_FOXO3  AQ_FOXP3   AQ_G6PD   AQ_GPD2    AQ_GPX1   AQ_IFNG
## 1 2.884e-07 0.00004622 1.101e-07 9.874e-06 0.000e+00 0.00006258 0.000e+00
## 2 2.518e-07 0.00002470 5.808e-08 4.496e-06 4.969e-07 0.00002545 3.554e-09
## 3 4.277e-06 0.00024841 1.387e-06 4.367e-05 4.886e-06 0.00014781 8.644e-07
## 4 2.563e-06 0.00035943 8.414e-07 2.989e-05 1.247e-06 0.00014760 1.072e-07
## 5 7.134e-07 0.00012576 1.124e-07 1.077e-05 4.510e-07 0.00005193 1.841e-07
## 6 1.403e-06 0.00009826 2.522e-07 1.488e-05 1.192e-06 0.00007646 1.204e-07
##     AQ_IL10   AQ_IL1B    AQ_IL6   AQ_IRS1    AQ_JAK1   AQ_JAK3   AQ_LDHA
## 1 8.750e-09 2.414e-06 7.658e-09 3.845e-08 0.00001136 3.173e-06 5.482e-06
## 2 4.510e-09 1.639e-06 1.634e-09 6.475e-08 0.00001246 1.668e-06 6.688e-06
## 3 6.254e-08 2.077e-05 5.383e-08 1.398e-07 0.00012148 5.262e-05 3.159e-05
## 4 2.285e-08 4.645e-06 1.248e-09 9.758e-08 0.00007567 4.556e-06 1.266e-05
## 5 1.883e-08 3.129e-06 1.410e-08 5.010e-08 0.00002698 7.545e-06 7.178e-06
## 6 1.282e-08 8.477e-06 2.564e-09 7.020e-08 0.00003090 1.368e-05 1.490e-05
##      AQ_LIF  AQ_MAPK1 AQ_NFE2L2  AQ_NFKB1  AQ_NLRP3   AQ_NOS2   AQ_NOX5
## 1 5.734e-09 5.863e-06 5.132e-06 2.577e-06 1.106e-06 4.114e-10 4.114e-10
## 2 3.161e-09 2.049e-06 2.698e-06 5.056e-07 1.030e-06 3.130e-10 3.130e-10
## 3 0.000e+00 5.995e-05 3.467e-05 2.500e-05 4.253e-06 0.000e+00 0.000e+00
## 4 1.413e-08 2.505e-05 1.704e-05 6.133e-06 2.766e-06 1.248e-09 1.248e-09
## 5 7.145e-09 9.393e-06 1.313e-05 2.283e-06 1.429e-06 1.089e-09 0.000e+00
## 6 0.000e+00 0.000e+00 1.420e-05 1.607e-05 2.161e-06 0.000e+00 7.165e-09
##    AQ_PDCD1  AQ_PPARG  AQ_PTAFR  AQ_PTGS2 AQ_SLC2A4   AQ_SOD1 AQ_SREBF1
## 1 9.512e-08 1.178e-08 1.190e-05 2.095e-06 1.929e-07 4.016e-06 1.631e-06
## 2 3.194e-08 1.060e-08 1.190e-05 9.112e-07 8.051e-08 1.310e-06 9.571e-07
## 3 1.645e-06 4.047e-08 6.661e-05 7.411e-06 2.245e-07 1.896e-05 6.624e-06
## 4 1.139e-06 0.000e+00 1.522e-05 2.512e-06 3.137e-07 1.021e-05 2.977e-06
## 5 2.807e-07 1.456e-08 1.649e-05 2.093e-06 7.353e-08 8.320e-06 1.102e-06
## 6 1.487e-07 1.363e-08 2.889e-05 2.448e-06 1.972e-07 0.000e+00 4.002e-06
##    AQ_STAT3   AQ_TGFB1   AQ_TLR3   AQ_TLR4    AQ_TNF
## 1 3.890e-06 0.00005262 2.093e-08 2.713e-06 1.304e-06
## 2 1.099e-06 0.00002229 5.072e-09 2.622e-06 2.441e-07
## 3 2.932e-05 0.00038151 2.786e-07 2.881e-05 1.929e-05
## 4 7.635e-06 0.00024499 1.248e-09 1.185e-05 4.496e-06
## 5 5.240e-06 0.00003898 7.010e-08 4.373e-06 4.060e-06
## 6 2.237e-05 0.00012047 6.876e-08 9.354e-06 2.148e-06
# 3. Filtrar el dataframe para mantener solo la columna 'edad' y las columnas de genes que empiezan con "AQ_"
genes_edad <- Dataset_genes %>%
  dplyr::select(edad, starts_with("AQ_"))  # Seleccionamos 'edad' y las columnas de genes que comienzan con "AQ_"

# Verificar el nuevo dataframe
head(genes_edad)
##       edad AQ_ADIPOQ  AQ_ALOX5   AQ_ARG1   AQ_BMP2   AQ_CCL2    AQ_CCL5
## 1 55.73169 4.114e-10 2.443e-05 5.979e-07 2.174e-09 1.717e-08 0.00005863
## 2 48.71732 3.130e-10 1.621e-05 5.198e-07 2.995e-09 3.996e-09 0.00003230
## 3 63.60575 0.000e+00 5.168e-05 1.010e-05 1.545e-07 5.013e-08 0.00085606
## 4 55.27447 1.248e-09 5.410e-05 2.006e-06 9.122e-09 1.237e-07 0.00041951
## 5 74.13552 0.000e+00 1.261e-05 8.680e-07 6.008e-09 3.402e-09 0.00022700
## 6 78.16290 0.000e+00 1.665e-05 1.299e-05 2.858e-08 1.673e-08 0.00015281
##     AQ_CCR5  AQ_CD274   AQ_CD36   AQ_CHKA  AQ_CPT1A   AQ_CSF2  AQ_CXCR1
## 1 1.004e-06 4.441e-07 5.616e-06 9.936e-08 1.082e-06 4.114e-10 4.739e-06
## 2 7.479e-07 8.357e-08 4.283e-06 9.813e-08 1.250e-06 1.682e-09 3.008e-06
## 3 8.430e-06 2.834e-06 6.670e-05 7.636e-07 1.195e-05 0.000e+00 8.887e-05
## 4 3.662e-06 9.112e-07 1.721e-05 0.000e+00 4.726e-06 7.853e-09 9.079e-06
## 5 4.221e-06 8.632e-07 8.436e-06 2.609e-07 3.963e-06 1.499e-08 4.862e-06
## 6 1.573e-06 5.422e-07 1.790e-05 4.269e-07 2.688e-06 0.000e+00 9.244e-06
##     AQ_FASN   AQ_FOXO3  AQ_FOXP3   AQ_G6PD   AQ_GPD2    AQ_GPX1   AQ_IFNG
## 1 2.884e-07 0.00004622 1.101e-07 9.874e-06 0.000e+00 0.00006258 0.000e+00
## 2 2.518e-07 0.00002470 5.808e-08 4.496e-06 4.969e-07 0.00002545 3.554e-09
## 3 4.277e-06 0.00024841 1.387e-06 4.367e-05 4.886e-06 0.00014781 8.644e-07
## 4 2.563e-06 0.00035943 8.414e-07 2.989e-05 1.247e-06 0.00014760 1.072e-07
## 5 7.134e-07 0.00012576 1.124e-07 1.077e-05 4.510e-07 0.00005193 1.841e-07
## 6 1.403e-06 0.00009826 2.522e-07 1.488e-05 1.192e-06 0.00007646 1.204e-07
##     AQ_IL10   AQ_IL1B    AQ_IL6   AQ_IRS1    AQ_JAK1   AQ_JAK3   AQ_LDHA
## 1 8.750e-09 2.414e-06 7.658e-09 3.845e-08 0.00001136 3.173e-06 5.482e-06
## 2 4.510e-09 1.639e-06 1.634e-09 6.475e-08 0.00001246 1.668e-06 6.688e-06
## 3 6.254e-08 2.077e-05 5.383e-08 1.398e-07 0.00012148 5.262e-05 3.159e-05
## 4 2.285e-08 4.645e-06 1.248e-09 9.758e-08 0.00007567 4.556e-06 1.266e-05
## 5 1.883e-08 3.129e-06 1.410e-08 5.010e-08 0.00002698 7.545e-06 7.178e-06
## 6 1.282e-08 8.477e-06 2.564e-09 7.020e-08 0.00003090 1.368e-05 1.490e-05
##      AQ_LIF  AQ_MAPK1 AQ_NFE2L2  AQ_NFKB1  AQ_NLRP3   AQ_NOS2   AQ_NOX5
## 1 5.734e-09 5.863e-06 5.132e-06 2.577e-06 1.106e-06 4.114e-10 4.114e-10
## 2 3.161e-09 2.049e-06 2.698e-06 5.056e-07 1.030e-06 3.130e-10 3.130e-10
## 3 0.000e+00 5.995e-05 3.467e-05 2.500e-05 4.253e-06 0.000e+00 0.000e+00
## 4 1.413e-08 2.505e-05 1.704e-05 6.133e-06 2.766e-06 1.248e-09 1.248e-09
## 5 7.145e-09 9.393e-06 1.313e-05 2.283e-06 1.429e-06 1.089e-09 0.000e+00
## 6 0.000e+00 0.000e+00 1.420e-05 1.607e-05 2.161e-06 0.000e+00 7.165e-09
##    AQ_PDCD1  AQ_PPARG  AQ_PTAFR  AQ_PTGS2 AQ_SLC2A4   AQ_SOD1 AQ_SREBF1
## 1 9.512e-08 1.178e-08 1.190e-05 2.095e-06 1.929e-07 4.016e-06 1.631e-06
## 2 3.194e-08 1.060e-08 1.190e-05 9.112e-07 8.051e-08 1.310e-06 9.571e-07
## 3 1.645e-06 4.047e-08 6.661e-05 7.411e-06 2.245e-07 1.896e-05 6.624e-06
## 4 1.139e-06 0.000e+00 1.522e-05 2.512e-06 3.137e-07 1.021e-05 2.977e-06
## 5 2.807e-07 1.456e-08 1.649e-05 2.093e-06 7.353e-08 8.320e-06 1.102e-06
## 6 1.487e-07 1.363e-08 2.889e-05 2.448e-06 1.972e-07 0.000e+00 4.002e-06
##    AQ_STAT3   AQ_TGFB1   AQ_TLR3   AQ_TLR4    AQ_TNF
## 1 3.890e-06 0.00005262 2.093e-08 2.713e-06 1.304e-06
## 2 1.099e-06 0.00002229 5.072e-09 2.622e-06 2.441e-07
## 3 2.932e-05 0.00038151 2.786e-07 2.881e-05 1.929e-05
## 4 7.635e-06 0.00024499 1.248e-09 1.185e-05 4.496e-06
## 5 5.240e-06 0.00003898 7.010e-08 4.373e-06 4.060e-06
## 6 2.237e-05 0.00012047 6.876e-08 9.354e-06 2.148e-06

Comprobación de la distribucion de los datos.

Normalidad de los datos: variables bioquímicas, síntomas, variables sociodemográficas

En la actividad 1, pudimos observar que la mayoría de los datos bioquímicos no seguían una distribución normal. Ahora realizaremos un nuevo análisis, incorporando de nuevo las variables bioquímicas continuas y las variables categóricas relacionadas con síntomas y aspectos sociodemográficos.

# Cargar las bibliotecas necesarias
library(ggplot2)
library(dplyr)
library(tidyr)

# Filtrar las columnas por posición para las variables bioquímicas (42 a 53)
variables_bioquimicas <- Dataset_genes[, 42:53]

# Filtrar las columnas por posición para las variables de síntomas (9 a 17 y 19 a 36)
variables_sintomas <- Dataset_genes[, c(9:17, 19:36)]

# Filtrar las columnas por posición para las variables sociodemográficas (columnas 3 y 4)
variables_sociodemograficas <- Dataset_genes[, 3:4]

# Asegurarse de que las variables categóricas son factores
variables_sintomas <- variables_sintomas %>% mutate(across(everything(), as.factor))
variables_sociodemograficas <- variables_sociodemograficas %>% mutate(across(everything(), as.factor))

# Convertir las variables a formato largo para poder usar facet_wrap
variables_bioquimicas_long <- variables_bioquimicas %>%
  pivot_longer(cols = everything(), names_to = "variable", values_to = "value")

variables_sintomas_long <- variables_sintomas %>%
  pivot_longer(cols = everything(), names_to = "variable", values_to = "value")

variables_sociodemograficas_long <- variables_sociodemograficas %>%
  pivot_longer(cols = everything(), names_to = "variable", values_to = "value")

# Graficar la distribución de las variables bioquímicas (numéricas)
p_bioquimicas <- ggplot(variables_bioquimicas_long, aes(x = value)) +
  geom_histogram(aes(y = ..density..), binwidth = 1, color = "black", fill = "skyblue", alpha = 0.6) +
  facet_wrap(~ variable, scales = "free") + 
  labs(title = "Distribución de Variables Bioquímicas", x = "Valor", y = "Densidad") +
  theme_minimal()

# Graficar las frecuencias de las variables de síntomas (categóricas)
p_sintomas <- ggplot(variables_sintomas_long, aes(x = value)) +
  geom_bar(color = "black", fill = "red", alpha = 0.6) +
  facet_wrap(~ variable, scales = "free") + 
  labs(title = "Frecuencia de Variables de Síntomas", x = "Categoría", y = "Frecuencia") +
  theme_minimal()

# Graficar las frecuencias de las variables sociodemográficas (categóricas)
p_sociodemograficas <- ggplot(variables_sociodemograficas_long, aes(x = value)) +
  geom_bar(color = "black", fill = "skyblue", alpha = 0.6) +
  facet_wrap(~ variable, scales = "free") + 
  labs(title = "Frecuencia de Variables Sociodemográficas", x = "Categoría", y = "Frecuencia") +
  theme_minimal()

# Mostrar los gráficos
print(p_bioquimicas)

print(p_sintomas)

print(p_sociodemograficas)

Observamos que la mayoría de las variables bioquímicas, como IgE, IgA y PCR, no siguen una distribución normal, mientras que otras, como la Transferrina o IgG, sí lo hacen. En cuanto a los síntomas, variables como tos, fiebre o disnea tampoco presentan una distribución normal. Por otro lado, la variable de edad se dividió en rangos, mostrando una aparente distribución normal. En el caso del sexo, se observó un predominio de mujeres sobre hombres.

Histograma de los genes

Se realizado un estudio gráfico utilizando histogramas de densidad. Este enfoque visual me permitió observar de manera más clara si las variables siguen o no una distribución normal.

# Crear lista para almacenar los gráficos
grafica_histograma_lista <- list()  # Definir correctamente la lista

# Crear un bucle para generar histogramas con densidad para cada gen
for (gen in colnames(genes_filtrados)) {
  
  # Generar el histograma con densidad y área sombreada
  histograma_con_densidad <- ggplot(genes_filtrados, aes_string(x = gen)) + 
    geom_histogram(binwidth = diff(range(genes_filtrados[[gen]])) / 30, 
                   fill = "#9370DB", color = "black", alpha = 0.7, aes(y = after_stat(density))) +  
    geom_density(aes(fill = "..x.."), color = "black", linewidth = 1, alpha = 0.3) +  
    labs(x = gen, y = "Densidad/Frecuencia") +  # Usamos labs() para definir el título
    theme_minimal() + 
    theme(
      axis.text.x = element_text(angle = 0, hjust = 1),  # Ajustamos el texto del eje X
      plot.title = element_text(size = 16)  # Reduzco el tamaño de los títulos de cada gráfico
    ) +
    ggtitle(paste("Histograma y Densidad de", gen))  # Título con el nombre del gen
  
  # Agregar el gráfico a la lista
  grafica_histograma_lista[[gen]] <- histograma_con_densidad
  
  # Mostrar el gráfico en la consola
  print(histograma_con_densidad)
}

# Combinar todos los gráficos en una sola imagen con 4 columnas y tantas filas como sea necesario
histograma_combinado_grafico <- wrap_plots(grafica_histograma_lista, ncol = 4) + 
  plot_layout(guides = "collect")  # Agrupa todas las leyendas en una sola

# Mostrar el gráfico combinado
print(histograma_combinado_grafico)

# Guardar el gráfico combinado en un archivo PNG con un tamaño mayor para evitar que los gráficos se peguen
ggsave("histogramas_densidad_genes.png", histograma_combinado_grafico, width = 20, height = 30)

Comprobación de Normalidad de la variable edad con Shapiro-Wilk y Kolmogorov-Smirnov

# Crear un dataframe vacío para almacenar los resultados
resultados_normalidad <- tibble(
  Variable = character(),
  `Test utilizado` = character(),
  `Valor p` = character(),  
  Interpretacion = character()  # Corregido "Interpretación" a "Interpretacion"
)

# Definir la columna 'edad' en el dataset_genes
# Asegúrate de que 'dataset_genes' contiene la columna 'edad' y que no tiene demasiados NA
edad_data <- na.omit(Dataset_genes$edad)

# Prueba de Shapiro-Wilk
prueba_shapiro <- shapiro.test(edad_data)
# Definir valor p de Shapiro-Wilk
valor_p_shapiro <- format(prueba_shapiro$p.value, scientific = TRUE, digits = 2)

# Interpretación de Shapiro-Wilk
interpretacion_shapiro <- ifelse(
  prueba_shapiro$p.value > 0.05,
  "Los datos son normales",
  "Los datos no son normales"
)

# Agregar resultados de Shapiro-Wilk
resultados_normalidad <- resultados_normalidad %>% 
  add_row(
    Variable = "edad",
    `Test utilizado` = "Shapiro-Wilk",
    `Valor p` = valor_p_shapiro,  # Ahora definido correctamente
    Interpretacion = interpretacion_shapiro  # Corregido "Interpretación"
  )

# Prueba de Kolmogorov-Smirnov
prueba_ks <- ks.test(edad_data, "pnorm", 
                     mean(edad_data, na.rm = TRUE), 
                     sd(edad_data, na.rm = TRUE))
# Definir valor p de Kolmogorov-Smirnov
valor_p_ks <- format(prueba_ks$p.value, scientific = TRUE, digits = 3)

# Interpretación de Kolmogorov-Smirnov
interpretacion_ks <- ifelse(
  prueba_ks$p.value > 0.05,
  "Los datos son normales",
  "Los datos no son normales"
)

# Agregar resultados de Kolmogorov-Smirnov
resultados_normalidad <- resultados_normalidad %>% 
  add_row(
    Variable = "edad",
    `Test utilizado` = "Kolmogorov-Smirnov",
    `Valor p` = valor_p_ks,  # Ya en formato de texto
    Interpretacion = interpretacion_ks  # Corregido "Interpretación"
  )

# Mostrar los resultados finales
print(resultados_normalidad)
## # A tibble: 2 × 4
##   Variable `Test utilizado`   `Valor p` Interpretacion        
##   <chr>    <chr>              <chr>     <chr>                 
## 1 edad     Shapiro-Wilk       3.5e-01   Los datos son normales
## 2 edad     Kolmogorov-Smirnov 7.61e-01  Los datos son normales

Se ha observado que los datos siguen una distribución normal, por lo que es apropiado realizar análisis paramétricos.

Tabla 1: Shapiro-Wilk y Kolmogorov-Smirnov Genes

La Tabla 1 presenta los resultados de los tests de Shapiro-Wilk y Kolmogorov-Smirnov, que son métodos estadísticos utilizados para evaluar si los datos de los genes siguen una distribución normal. El test de Shapiro-Wilk es particularmente útil para muestras pequeñas, ya que es muy sensible a la falta de normalidad. Por otro lado, el test de Kolmogorov-Smirnov compara la distribución de los datos observados con una distribución normal teórica, utilizando la media y desviación estándar de los datos.

Ambos métodos complementan la inspección visual, como los histogramas de densidad, al proporcionar valores p que indican si podemos rechazar la hipótesis nula de normalidad. Si el valor p es menor a 0.05, concluimos que los datos no siguen una distribución normal. Esto es crucial porque el tipo de distribución determina qué métodos estadísticos debemos usar: si los datos no son normales, debemos optar por análisis no paramétricos. Estos dos tests nos permiten evaluar objetivamente la distribución de las variables, garantizando la solidez de nuestras conclusiones.

# Crear un dataframe vacío para almacenar los resultados
resultados_normalidad <- tibble(
  Variable = character(),
  `Test utilizado` = character(),
  `Valor p` = character(),  # Cambiar a carácter desde el principio
  Interpretación = character()
)

# Crear un bucle para evaluar normalidad por cada gen
for (gen in colnames(genes_filtrados)) {
  
  # Prueba de Shapiro-Wilk
  prueba_shapiro <- shapiro.test(genes_filtrados[[gen]])
  interpretacion_shapiro <- ifelse(
    prueba_shapiro$p.value > 0.05,
    "Los datos son normales",
    "Los datos no son normales"
  )
  
  # Formatear el valor p de Shapiro-Wilk en notación científica utilizando format()
  valor_p_shapiro <- format(prueba_shapiro$p.value, scientific = TRUE, digits = 2)
  
  # Agregar resultados de Shapiro-Wilk
  resultados_normalidad <- resultados_normalidad %>% 
    add_row(
      Variable = gen,
      `Test utilizado` = "Shapiro-Wilk",
      `Valor p` = valor_p_shapiro,  # Ya en formato de texto
      Interpretación = interpretacion_shapiro
    )
  
  # Verificar si hay empates antes de aplicar el test de Kolmogorov-Smirnov
  if (length(unique(genes_filtrados[[gen]])) > 1) {  
    # Prueba de Kolmogorov-Smirnov
    prueba_ks <- ks.test(genes_filtrados[[gen]], "pnorm", 
                         mean(genes_filtrados[[gen]], na.rm = TRUE), 
                         sd(genes_filtrados[[gen]], na.rm = TRUE))
    interpretacion_ks <- ifelse(
      prueba_ks$p.value > 0.05,
      "Los datos son normales",
      "Los datos no son normales"
    )
    
    # Formatear el valor p de Kolmogorov-Smirnov en notación científica utilizando format()
    valor_p_ks <- format(prueba_ks$p.value, scientific = TRUE, digits = 3)
    
    # Agregar resultados de Kolmogorov-Smirnov
    resultados_normalidad <- resultados_normalidad %>% 
      add_row(
        Variable = gen,
        `Test utilizado` = "Kolmogorov-Smirnov",
        `Valor p` = valor_p_ks,  # Ya en formato de texto
        Interpretación = interpretacion_ks  # Corregido "Interpretación"
      )
  } else {
    # Si hay empates, se muestra un mensaje en la tabla
    resultados_normalidad <- resultados_normalidad %>% 
      add_row(
        Variable = gen,
        `Test utilizado` = "Kolmogorov-Smirnov",
        `Valor p` = "Empates en los datos",  
        Interpretación = "No se aplica el test debido a empates"
      )
  }
}

# Mostrar los resultados finales
print(resultados_normalidad)
## # A tibble: 92 × 4
##    Variable  `Test utilizado`   `Valor p` Interpretación           
##    <chr>     <chr>              <chr>     <chr>                    
##  1 AQ_ADIPOQ Shapiro-Wilk       5.9e-18   Los datos no son normales
##  2 AQ_ADIPOQ Kolmogorov-Smirnov 1.6e-16   Los datos no son normales
##  3 AQ_ALOX5  Shapiro-Wilk       9.3e-07   Los datos no son normales
##  4 AQ_ALOX5  Kolmogorov-Smirnov 2.47e-02  Los datos no son normales
##  5 AQ_ARG1   Shapiro-Wilk       3.4e-10   Los datos no son normales
##  6 AQ_ARG1   Kolmogorov-Smirnov 2.94e-03  Los datos no son normales
##  7 AQ_BMP2   Shapiro-Wilk       6.2e-09   Los datos no son normales
##  8 AQ_BMP2   Kolmogorov-Smirnov 1.44e-03  Los datos no son normales
##  9 AQ_CCL2   Shapiro-Wilk       1.5e-12   Los datos no son normales
## 10 AQ_CCL2   Kolmogorov-Smirnov 4.69e-05  Los datos no son normales
## # ℹ 82 more rows
# Guardar la tabla como archivo CSV
write.csv(resultados_normalidad, "resultados_pruebas_normalidad.csv", row.names = FALSE)

# Crear un documento de Word
doc <- read_docx()

# Convertir la tabla a un flextable para un formato más bonito en Word
tabla_flextable <- flextable(resultados_normalidad)

# Agregar la tabla al documento
doc <- doc %>%
  body_add_par("Resultados de Pruebas de Normalidad", style = "heading 1") %>%
  body_add_flextable(tabla_flextable)

# Guardar el documento como archivo Word
print(doc, target = "resultados_normalidad.docx")

Concluimos, por tanto, que la mayoría de los datos de los genes no sigue una distribución normal en ambos casos. Los que son normales están asociados a Kolmogorov-Smirnov. Sin embargo, optamos por análisis no paramétricos, que no dependen de suposiciones de normalidad. En lugar de utilizar la media y la desviación estándar, emplearemos medidas de tendencia central y dispersión, como la mediana y los cuartiles, para el análisis. Se adjunta la gráfica en el word adjunto como tabla 1.

Visualización QQplot para comprobar normalidad

El QQplot (Quantile-Quantile Plot) es una herramienta gráfica utilizada para evaluar si los datos siguen una distribución normal. Comparando los cuantiles observados de los datos con los cuantiles esperados de una distribución normal, permite identificar visualmente si los puntos se alinean en una línea diagonal (indicando normalidad) o si existen desviaciones, lo que sugiere que los datos no son normales. Se usa como complemento a pruebas estadísticas como Shapiro-Wilk o Kolmogorov-Smirnov, ya que ayuda a confirmar la distribución de los datos de forma visual y detectar patrones como asimetrías o colas largas, ofreciendo una validación adicional antes de realizar análisis no paramétricos.

# Cargar librerías necesarias
library(ggplot2)
library(patchwork)

# Crear lista para almacenar los Q-Q plots
qqplot_lista <- list()

# Generar un bucle para crear Q-Q plots de cada gen
for (gen in colnames(genes_filtrados)) {
  # Generar el Q-Q plot usando ggplot2
  qqplot <- ggplot(data = data.frame(genes_filtrados[[gen]]), aes(sample = genes_filtrados[[gen]])) +
    stat_qq(color = "#9370DB", size = 1.5) +  # Puntos del Q-Q plot
    stat_qq_line(color = "red", size = 1) +  # Línea de referencia
    labs(
      title = paste("Q-Q Plot de", gen),
      x = "Cuantiles teóricos",
      y = "Cuantiles muestrales"
    ) +
    theme_minimal() +
    theme(
      plot.title = element_text(size = 14, face = "bold", hjust = 0.5),
      axis.title = element_text(size = 12)
    )
  
  # Agregar el gráfico a la lista
  qqplot_lista[[gen]] <- qqplot
  
  # Mostrar el Q-Q plot en la consola
  print(qqplot)
}

# Combinar todos los Q-Q plots en una sola imagen con 4 columnas
qqplot_combinado <- wrap_plots(qqplot_lista, ncol = 4) + 
  plot_layout(guides = "collect")  # Opcional: agrupar leyendas si las hubiera

# Mostrar el gráfico combinado
print(qqplot_combinado)

# Guardar el gráfico combinado como PNG
ggsave("qqplots_combinados.png", qqplot_combinado, width = 20, height = 30)

Lo que observamos en los QQplots de los genes es que, aunque el punto central de la curva toca la línea recta roja, los puntos a ambos lados de la curva se desvían de esta línea. Este comportamiento sugiere que, aunque algunos valores se ajustan a la distribución normal en el centro, las colas de la distribución (es decir, los valores extremos) se alejan de la línea recta. Esto indica que los datos no siguen una distribución normal de manera estricta, ya que las desviaciones en las colas son características de distribuciones no normales, como las distribuciones sesgadas o con colas largas.

Creacion de dataframe con estadística descriptiva con tratamientos y tumores

## Asegúrate de que las columnas trat y tumor sean factores
genes_tumor_trat$trat <- as.factor(genes_tumor_trat$trat)
genes_tumor_trat$tumor <- as.factor(genes_tumor_trat$tumor)

# Asegurarse de que las columnas que empiezan con "AQ_" sean numéricas
genes_tumor_trat <- genes_tumor_trat %>%
  mutate(across(starts_with("AQ_"), as.numeric))

# Crear tabla descriptiva de genes, estratificada por tratamiento y tumor
tabla <- genes_tumor_trat %>%
  tbl_strata(
    strata = "trat",  # Estratificación por tratamiento
    .tbl_fun = ~.x %>% 
      tbl_summary(  # Usar los datos filtrados
        by = "tumor",  # Agrupar por tumor
        statistic = all_continuous() ~ "{median} ({p25}–{p75})",  # Mediana y RIQ
        digits = all_continuous() ~ function(x) format(x, digits = 2, scientific = TRUE),  # Mostrar 2 decimales
      ) %>%
      add_p(
        test = all_continuous() ~ "kruskal.test",  
        pvalue_fun = ~ style_pvalue(.x)  # Estilo para los valores p
      )
  )

# Ver el resultado final
print(tabla)
## <div id="psjjzlgkuk" style="padding-left:0px;padding-right:0px;padding-top:10px;padding-bottom:10px;overflow-x:auto;overflow-y:auto;width:auto;height:auto;">
##   <style>#psjjzlgkuk table {
##   font-family: system-ui, 'Segoe UI', Roboto, Helvetica, Arial, sans-serif, 'Apple Color Emoji', 'Segoe UI Emoji', 'Segoe UI Symbol', 'Noto Color Emoji';
##   -webkit-font-smoothing: antialiased;
##   -moz-osx-font-smoothing: grayscale;
## }
## 
## #psjjzlgkuk thead, #psjjzlgkuk tbody, #psjjzlgkuk tfoot, #psjjzlgkuk tr, #psjjzlgkuk td, #psjjzlgkuk th {
##   border-style: none;
## }
## 
## #psjjzlgkuk p {
##   margin: 0;
##   padding: 0;
## }
## 
## #psjjzlgkuk .gt_table {
##   display: table;
##   border-collapse: collapse;
##   line-height: normal;
##   margin-left: auto;
##   margin-right: auto;
##   color: #333333;
##   font-size: 16px;
##   font-weight: normal;
##   font-style: normal;
##   background-color: #FFFFFF;
##   width: auto;
##   border-top-style: solid;
##   border-top-width: 2px;
##   border-top-color: #A8A8A8;
##   border-right-style: none;
##   border-right-width: 2px;
##   border-right-color: #D3D3D3;
##   border-bottom-style: solid;
##   border-bottom-width: 2px;
##   border-bottom-color: #A8A8A8;
##   border-left-style: none;
##   border-left-width: 2px;
##   border-left-color: #D3D3D3;
## }
## 
## #psjjzlgkuk .gt_caption {
##   padding-top: 4px;
##   padding-bottom: 4px;
## }
## 
## #psjjzlgkuk .gt_title {
##   color: #333333;
##   font-size: 125%;
##   font-weight: initial;
##   padding-top: 4px;
##   padding-bottom: 4px;
##   padding-left: 5px;
##   padding-right: 5px;
##   border-bottom-color: #FFFFFF;
##   border-bottom-width: 0;
## }
## 
## #psjjzlgkuk .gt_subtitle {
##   color: #333333;
##   font-size: 85%;
##   font-weight: initial;
##   padding-top: 3px;
##   padding-bottom: 5px;
##   padding-left: 5px;
##   padding-right: 5px;
##   border-top-color: #FFFFFF;
##   border-top-width: 0;
## }
## 
## #psjjzlgkuk .gt_heading {
##   background-color: #FFFFFF;
##   text-align: center;
##   border-bottom-color: #FFFFFF;
##   border-left-style: none;
##   border-left-width: 1px;
##   border-left-color: #D3D3D3;
##   border-right-style: none;
##   border-right-width: 1px;
##   border-right-color: #D3D3D3;
## }
## 
## #psjjzlgkuk .gt_bottom_border {
##   border-bottom-style: solid;
##   border-bottom-width: 2px;
##   border-bottom-color: #D3D3D3;
## }
## 
## #psjjzlgkuk .gt_col_headings {
##   border-top-style: solid;
##   border-top-width: 2px;
##   border-top-color: #D3D3D3;
##   border-bottom-style: solid;
##   border-bottom-width: 2px;
##   border-bottom-color: #D3D3D3;
##   border-left-style: none;
##   border-left-width: 1px;
##   border-left-color: #D3D3D3;
##   border-right-style: none;
##   border-right-width: 1px;
##   border-right-color: #D3D3D3;
## }
## 
## #psjjzlgkuk .gt_col_heading {
##   color: #333333;
##   background-color: #FFFFFF;
##   font-size: 100%;
##   font-weight: normal;
##   text-transform: inherit;
##   border-left-style: none;
##   border-left-width: 1px;
##   border-left-color: #D3D3D3;
##   border-right-style: none;
##   border-right-width: 1px;
##   border-right-color: #D3D3D3;
##   vertical-align: bottom;
##   padding-top: 5px;
##   padding-bottom: 6px;
##   padding-left: 5px;
##   padding-right: 5px;
##   overflow-x: hidden;
## }
## 
## #psjjzlgkuk .gt_column_spanner_outer {
##   color: #333333;
##   background-color: #FFFFFF;
##   font-size: 100%;
##   font-weight: normal;
##   text-transform: inherit;
##   padding-top: 0;
##   padding-bottom: 0;
##   padding-left: 4px;
##   padding-right: 4px;
## }
## 
## #psjjzlgkuk .gt_column_spanner_outer:first-child {
##   padding-left: 0;
## }
## 
## #psjjzlgkuk .gt_column_spanner_outer:last-child {
##   padding-right: 0;
## }
## 
## #psjjzlgkuk .gt_column_spanner {
##   border-bottom-style: solid;
##   border-bottom-width: 2px;
##   border-bottom-color: #D3D3D3;
##   vertical-align: bottom;
##   padding-top: 5px;
##   padding-bottom: 5px;
##   overflow-x: hidden;
##   display: inline-block;
##   width: 100%;
## }
## 
## #psjjzlgkuk .gt_spanner_row {
##   border-bottom-style: hidden;
## }
## 
## #psjjzlgkuk .gt_group_heading {
##   padding-top: 8px;
##   padding-bottom: 8px;
##   padding-left: 5px;
##   padding-right: 5px;
##   color: #333333;
##   background-color: #FFFFFF;
##   font-size: 100%;
##   font-weight: initial;
##   text-transform: inherit;
##   border-top-style: solid;
##   border-top-width: 2px;
##   border-top-color: #D3D3D3;
##   border-bottom-style: solid;
##   border-bottom-width: 2px;
##   border-bottom-color: #D3D3D3;
##   border-left-style: none;
##   border-left-width: 1px;
##   border-left-color: #D3D3D3;
##   border-right-style: none;
##   border-right-width: 1px;
##   border-right-color: #D3D3D3;
##   vertical-align: middle;
##   text-align: left;
## }
## 
## #psjjzlgkuk .gt_empty_group_heading {
##   padding: 0.5px;
##   color: #333333;
##   background-color: #FFFFFF;
##   font-size: 100%;
##   font-weight: initial;
##   border-top-style: solid;
##   border-top-width: 2px;
##   border-top-color: #D3D3D3;
##   border-bottom-style: solid;
##   border-bottom-width: 2px;
##   border-bottom-color: #D3D3D3;
##   vertical-align: middle;
## }
## 
## #psjjzlgkuk .gt_from_md > :first-child {
##   margin-top: 0;
## }
## 
## #psjjzlgkuk .gt_from_md > :last-child {
##   margin-bottom: 0;
## }
## 
## #psjjzlgkuk .gt_row {
##   padding-top: 8px;
##   padding-bottom: 8px;
##   padding-left: 5px;
##   padding-right: 5px;
##   margin: 10px;
##   border-top-style: solid;
##   border-top-width: 1px;
##   border-top-color: #D3D3D3;
##   border-left-style: none;
##   border-left-width: 1px;
##   border-left-color: #D3D3D3;
##   border-right-style: none;
##   border-right-width: 1px;
##   border-right-color: #D3D3D3;
##   vertical-align: middle;
##   overflow-x: hidden;
## }
## 
## #psjjzlgkuk .gt_stub {
##   color: #333333;
##   background-color: #FFFFFF;
##   font-size: 100%;
##   font-weight: initial;
##   text-transform: inherit;
##   border-right-style: solid;
##   border-right-width: 2px;
##   border-right-color: #D3D3D3;
##   padding-left: 5px;
##   padding-right: 5px;
## }
## 
## #psjjzlgkuk .gt_stub_row_group {
##   color: #333333;
##   background-color: #FFFFFF;
##   font-size: 100%;
##   font-weight: initial;
##   text-transform: inherit;
##   border-right-style: solid;
##   border-right-width: 2px;
##   border-right-color: #D3D3D3;
##   padding-left: 5px;
##   padding-right: 5px;
##   vertical-align: top;
## }
## 
## #psjjzlgkuk .gt_row_group_first td {
##   border-top-width: 2px;
## }
## 
## #psjjzlgkuk .gt_row_group_first th {
##   border-top-width: 2px;
## }
## 
## #psjjzlgkuk .gt_summary_row {
##   color: #333333;
##   background-color: #FFFFFF;
##   text-transform: inherit;
##   padding-top: 8px;
##   padding-bottom: 8px;
##   padding-left: 5px;
##   padding-right: 5px;
## }
## 
## #psjjzlgkuk .gt_first_summary_row {
##   border-top-style: solid;
##   border-top-color: #D3D3D3;
## }
## 
## #psjjzlgkuk .gt_first_summary_row.thick {
##   border-top-width: 2px;
## }
## 
## #psjjzlgkuk .gt_last_summary_row {
##   padding-top: 8px;
##   padding-bottom: 8px;
##   padding-left: 5px;
##   padding-right: 5px;
##   border-bottom-style: solid;
##   border-bottom-width: 2px;
##   border-bottom-color: #D3D3D3;
## }
## 
## #psjjzlgkuk .gt_grand_summary_row {
##   color: #333333;
##   background-color: #FFFFFF;
##   text-transform: inherit;
##   padding-top: 8px;
##   padding-bottom: 8px;
##   padding-left: 5px;
##   padding-right: 5px;
## }
## 
## #psjjzlgkuk .gt_first_grand_summary_row {
##   padding-top: 8px;
##   padding-bottom: 8px;
##   padding-left: 5px;
##   padding-right: 5px;
##   border-top-style: double;
##   border-top-width: 6px;
##   border-top-color: #D3D3D3;
## }
## 
## #psjjzlgkuk .gt_last_grand_summary_row_top {
##   padding-top: 8px;
##   padding-bottom: 8px;
##   padding-left: 5px;
##   padding-right: 5px;
##   border-bottom-style: double;
##   border-bottom-width: 6px;
##   border-bottom-color: #D3D3D3;
## }
## 
## #psjjzlgkuk .gt_striped {
##   background-color: rgba(128, 128, 128, 0.05);
## }
## 
## #psjjzlgkuk .gt_table_body {
##   border-top-style: solid;
##   border-top-width: 2px;
##   border-top-color: #D3D3D3;
##   border-bottom-style: solid;
##   border-bottom-width: 2px;
##   border-bottom-color: #D3D3D3;
## }
## 
## #psjjzlgkuk .gt_footnotes {
##   color: #333333;
##   background-color: #FFFFFF;
##   border-bottom-style: none;
##   border-bottom-width: 2px;
##   border-bottom-color: #D3D3D3;
##   border-left-style: none;
##   border-left-width: 2px;
##   border-left-color: #D3D3D3;
##   border-right-style: none;
##   border-right-width: 2px;
##   border-right-color: #D3D3D3;
## }
## 
## #psjjzlgkuk .gt_footnote {
##   margin: 0px;
##   font-size: 90%;
##   padding-top: 4px;
##   padding-bottom: 4px;
##   padding-left: 5px;
##   padding-right: 5px;
## }
## 
## #psjjzlgkuk .gt_sourcenotes {
##   color: #333333;
##   background-color: #FFFFFF;
##   border-bottom-style: none;
##   border-bottom-width: 2px;
##   border-bottom-color: #D3D3D3;
##   border-left-style: none;
##   border-left-width: 2px;
##   border-left-color: #D3D3D3;
##   border-right-style: none;
##   border-right-width: 2px;
##   border-right-color: #D3D3D3;
## }
## 
## #psjjzlgkuk .gt_sourcenote {
##   font-size: 90%;
##   padding-top: 4px;
##   padding-bottom: 4px;
##   padding-left: 5px;
##   padding-right: 5px;
## }
## 
## #psjjzlgkuk .gt_left {
##   text-align: left;
## }
## 
## #psjjzlgkuk .gt_center {
##   text-align: center;
## }
## 
## #psjjzlgkuk .gt_right {
##   text-align: right;
##   font-variant-numeric: tabular-nums;
## }
## 
## #psjjzlgkuk .gt_font_normal {
##   font-weight: normal;
## }
## 
## #psjjzlgkuk .gt_font_bold {
##   font-weight: bold;
## }
## 
## #psjjzlgkuk .gt_font_italic {
##   font-style: italic;
## }
## 
## #psjjzlgkuk .gt_super {
##   font-size: 65%;
## }
## 
## #psjjzlgkuk .gt_footnote_marks {
##   font-size: 75%;
##   vertical-align: 0.4em;
##   position: initial;
## }
## 
## #psjjzlgkuk .gt_asterisk {
##   font-size: 100%;
##   vertical-align: 0;
## }
## 
## #psjjzlgkuk .gt_indent_1 {
##   text-indent: 5px;
## }
## 
## #psjjzlgkuk .gt_indent_2 {
##   text-indent: 10px;
## }
## 
## #psjjzlgkuk .gt_indent_3 {
##   text-indent: 15px;
## }
## 
## #psjjzlgkuk .gt_indent_4 {
##   text-indent: 20px;
## }
## 
## #psjjzlgkuk .gt_indent_5 {
##   text-indent: 25px;
## }
## 
## #psjjzlgkuk .katex-display {
##   display: inline-flex !important;
##   margin-bottom: 0.75em !important;
## }
## 
## #psjjzlgkuk div.Reactable > div.rt-table > div.rt-thead > div.rt-tr.rt-tr-group-header > div.rt-th-group:after {
##   height: 0px !important;
## }
## </style>
##   <table class="gt_table" data-quarto-disable-processing="false" data-quarto-bootstrap="false">
##   <thead>
##     <tr class="gt_col_headings gt_spanner_row">
##       <th class="gt_col_heading gt_columns_bottom_border gt_left" rowspan="2" colspan="1" scope="col" id="label"><span class='gt_from_md'><strong>Characteristic</strong></span></th>
##       <th class="gt_center gt_columns_top_border gt_column_spanner_outer" rowspan="1" colspan="4" scope="colgroup" id="**tratA**">
##         <div class="gt_column_spanner"><span class='gt_from_md'><strong>tratA</strong></span></div>
##       </th>
##       <th class="gt_center gt_columns_top_border gt_column_spanner_outer" rowspan="1" colspan="4" scope="colgroup" id="**tratB**">
##         <div class="gt_column_spanner"><span class='gt_from_md'><strong>tratB</strong></span></div>
##       </th>
##     </tr>
##     <tr class="gt_col_headings">
##       <th class="gt_col_heading gt_columns_bottom_border gt_center" rowspan="1" colspan="1" scope="col" id="stat_1_1"><span class='gt_from_md'><strong>CCR</strong><br />
## N = 15</span><span class="gt_footnote_marks" style="white-space:nowrap;font-style:italic;font-weight:normal;line-height:0;"><sup>1</sup></span></th>
##       <th class="gt_col_heading gt_columns_bottom_border gt_center" rowspan="1" colspan="1" scope="col" id="stat_2_1"><span class='gt_from_md'><strong>CM</strong><br />
## N = 11</span><span class="gt_footnote_marks" style="white-space:nowrap;font-style:italic;font-weight:normal;line-height:0;"><sup>1</sup></span></th>
##       <th class="gt_col_heading gt_columns_bottom_border gt_center" rowspan="1" colspan="1" scope="col" id="stat_3_1"><span class='gt_from_md'><strong>CP</strong><br />
## N = 7</span><span class="gt_footnote_marks" style="white-space:nowrap;font-style:italic;font-weight:normal;line-height:0;"><sup>1</sup></span></th>
##       <th class="gt_col_heading gt_columns_bottom_border gt_center" rowspan="1" colspan="1" scope="col" id="p.value_1"><span class='gt_from_md'><strong>p-value</strong></span><span class="gt_footnote_marks" style="white-space:nowrap;font-style:italic;font-weight:normal;line-height:0;"><sup>2</sup></span></th>
##       <th class="gt_col_heading gt_columns_bottom_border gt_center" rowspan="1" colspan="1" scope="col" id="stat_1_2"><span class='gt_from_md'><strong>CCR</strong><br />
## N = 14</span><span class="gt_footnote_marks" style="white-space:nowrap;font-style:italic;font-weight:normal;line-height:0;"><sup>1</sup></span></th>
##       <th class="gt_col_heading gt_columns_bottom_border gt_center" rowspan="1" colspan="1" scope="col" id="stat_2_2"><span class='gt_from_md'><strong>CM</strong><br />
## N = 12</span><span class="gt_footnote_marks" style="white-space:nowrap;font-style:italic;font-weight:normal;line-height:0;"><sup>1</sup></span></th>
##       <th class="gt_col_heading gt_columns_bottom_border gt_center" rowspan="1" colspan="1" scope="col" id="stat_3_2"><span class='gt_from_md'><strong>CP</strong><br />
## N = 6</span><span class="gt_footnote_marks" style="white-space:nowrap;font-style:italic;font-weight:normal;line-height:0;"><sup>1</sup></span></th>
##       <th class="gt_col_heading gt_columns_bottom_border gt_center" rowspan="1" colspan="1" scope="col" id="p.value_2"><span class='gt_from_md'><strong>p-value</strong></span><span class="gt_footnote_marks" style="white-space:nowrap;font-style:italic;font-weight:normal;line-height:0;"><sup>2</sup></span></th>
##     </tr>
##   </thead>
##   <tbody class="gt_table_body">
##     <tr><td headers="label" class="gt_row gt_left">AQ_ADIPOQ</td>
## <td headers="stat_1_1" class="gt_row gt_center">5.2e-10 (4e-10–1.2e-09)</td>
## <td headers="stat_2_1" class="gt_row gt_center">0e+00 (0e+00–0e+00)</td>
## <td headers="stat_3_1" class="gt_row gt_center">1.4e-09 (6.6e-10–3.2e-09)</td>
## <td headers="p.value_1" class="gt_row gt_center"><0.001</td>
## <td headers="stat_1_2" class="gt_row gt_center">5e-10 (3.8e-10–7e-10)</td>
## <td headers="stat_2_2" class="gt_row gt_center">0e+00 (0e+00–0e+00)</td>
## <td headers="stat_3_2" class="gt_row gt_center">1.4e-09 (1.1e-09–2.1e-09)</td>
## <td headers="p.value_2" class="gt_row gt_center"><0.001</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_ALOX5</td>
## <td headers="stat_1_1" class="gt_row gt_center">4.9e-05 (1.6e-05–8.9e-05)</td>
## <td headers="stat_2_1" class="gt_row gt_center">2.1e-05 (1.7e-05–6.4e-05)</td>
## <td headers="stat_3_1" class="gt_row gt_center">1.5e-04 (1.1e-04–2.2e-04)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.004</td>
## <td headers="stat_1_2" class="gt_row gt_center">3.7e-05 (2.2e-05–5.7e-05)</td>
## <td headers="stat_2_2" class="gt_row gt_center">2e-05 (1.5e-05–3.8e-05)</td>
## <td headers="stat_3_2" class="gt_row gt_center">1.2e-04 (1.1e-04–1.7e-04)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.003</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_ARG1</td>
## <td headers="stat_1_1" class="gt_row gt_center">8.8e-07 (3.3e-07–2.3e-06)</td>
## <td headers="stat_2_1" class="gt_row gt_center">3.3e-06 (2.3e-06–6.1e-06)</td>
## <td headers="stat_3_1" class="gt_row gt_center">4.2e-06 (1.7e-06–8.2e-06)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.010</td>
## <td headers="stat_1_2" class="gt_row gt_center">9e-07 (6.7e-07–1.6e-06)</td>
## <td headers="stat_2_2" class="gt_row gt_center">4e-06 (1.1e-06–1.3e-05)</td>
## <td headers="stat_3_2" class="gt_row gt_center">2.5e-06 (2e-06–6.5e-06)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.056</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_BMP2</td>
## <td headers="stat_1_1" class="gt_row gt_center">2.2e-08 (9.1e-09–7.4e-08)</td>
## <td headers="stat_2_1" class="gt_row gt_center">3.1e-08 (1.6e-08–6.3e-08)</td>
## <td headers="stat_3_1" class="gt_row gt_center">7.7e-08 (5.8e-08–1e-07)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.057</td>
## <td headers="stat_1_2" class="gt_row gt_center">2e-08 (9.2e-09–3.3e-08)</td>
## <td headers="stat_2_2" class="gt_row gt_center">2.9e-08 (1.7e-08–1e-07)</td>
## <td headers="stat_3_2" class="gt_row gt_center">3.7e-08 (0e+00–4.5e-08)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.4</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_CCL2</td>
## <td headers="stat_1_1" class="gt_row gt_center">2.3e-08 (5.6e-09–9.3e-08)</td>
## <td headers="stat_2_1" class="gt_row gt_center">1.5e-07 (3.5e-08–2.4e-07)</td>
## <td headers="stat_3_1" class="gt_row gt_center">1.5e-07 (2.4e-08–4e-07)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.048</td>
## <td headers="stat_1_2" class="gt_row gt_center">2e-08 (4e-09–4.7e-08)</td>
## <td headers="stat_2_2" class="gt_row gt_center">3.7e-08 (1.4e-08–5.8e-08)</td>
## <td headers="stat_3_2" class="gt_row gt_center">8.1e-08 (2.5e-08–2.3e-07)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.11</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_CCL5</td>
## <td headers="stat_1_1" class="gt_row gt_center">1.5e-04 (9.6e-05–2.9e-04)</td>
## <td headers="stat_2_1" class="gt_row gt_center">4.3e-04 (2.7e-04–8.6e-04)</td>
## <td headers="stat_3_1" class="gt_row gt_center">7.8e-04 (4e-04–1.8e-03)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.003</td>
## <td headers="stat_1_2" class="gt_row gt_center">1.4e-04 (8.2e-05–5.8e-04)</td>
## <td headers="stat_2_2" class="gt_row gt_center">2.5e-04 (1.2e-04–6.3e-04)</td>
## <td headers="stat_3_2" class="gt_row gt_center">7.4e-04 (4.9e-04–9.4e-04)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.026</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_CCR5</td>
## <td headers="stat_1_1" class="gt_row gt_center">4.4e-06 (1.3e-06–7.2e-06)</td>
## <td headers="stat_2_1" class="gt_row gt_center">7.2e-06 (4e-06–1.2e-05)</td>
## <td headers="stat_3_1" class="gt_row gt_center">2e-05 (5.1e-06–3.3e-05)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.056</td>
## <td headers="stat_1_2" class="gt_row gt_center">3.5e-06 (1.1e-06–7.6e-06)</td>
## <td headers="stat_2_2" class="gt_row gt_center">6.1e-06 (2.6e-06–1.1e-05)</td>
## <td headers="stat_3_2" class="gt_row gt_center">5.7e-06 (5.1e-06–1.8e-05)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.3</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_CD274</td>
## <td headers="stat_1_1" class="gt_row gt_center">7.3e-07 (3.4e-07–1.7e-06)</td>
## <td headers="stat_2_1" class="gt_row gt_center">2.1e-06 (1.1e-06–2.9e-06)</td>
## <td headers="stat_3_1" class="gt_row gt_center">3.3e-06 (1.3e-06–3.7e-06)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.020</td>
## <td headers="stat_1_2" class="gt_row gt_center">6.4e-07 (3.3e-07–1.4e-06)</td>
## <td headers="stat_2_2" class="gt_row gt_center">1.2e-06 (7.8e-07–2.4e-06)</td>
## <td headers="stat_3_2" class="gt_row gt_center">2.4e-06 (1.7e-06–3.1e-06)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.016</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_CD36</td>
## <td headers="stat_1_1" class="gt_row gt_center">1.2e-05 (5.6e-06–3.1e-05)</td>
## <td headers="stat_2_1" class="gt_row gt_center">3.8e-05 (1.7e-05–6.7e-05)</td>
## <td headers="stat_3_1" class="gt_row gt_center">5e-05 (2.5e-05–7.4e-05)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.014</td>
## <td headers="stat_1_2" class="gt_row gt_center">1.3e-05 (4.3e-06–2.6e-05)</td>
## <td headers="stat_2_2" class="gt_row gt_center">2.7e-05 (9.2e-06–4.3e-05)</td>
## <td headers="stat_3_2" class="gt_row gt_center">2.7e-05 (1.7e-05–2.7e-05)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.037</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_CHKA</td>
## <td headers="stat_1_1" class="gt_row gt_center">3.4e-07 (1.1e-07–1.9e-06)</td>
## <td headers="stat_2_1" class="gt_row gt_center">7.9e-07 (4.5e-07–1.8e-06)</td>
## <td headers="stat_3_1" class="gt_row gt_center">8.8e-07 (0e+00–1.6e-06)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.3</td>
## <td headers="stat_1_2" class="gt_row gt_center">9.2e-08 (0e+00–2e-07)</td>
## <td headers="stat_2_2" class="gt_row gt_center">7.5e-07 (2.4e-07–1.1e-06)</td>
## <td headers="stat_3_2" class="gt_row gt_center">8.6e-07 (6e-07–9.8e-07)</td>
## <td headers="p.value_2" class="gt_row gt_center"><0.001</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_CPT1A</td>
## <td headers="stat_1_1" class="gt_row gt_center">4.3e-06 (1.5e-06–2.2e-05)</td>
## <td headers="stat_2_1" class="gt_row gt_center">8.5e-06 (4.4e-06–1.5e-05)</td>
## <td headers="stat_3_1" class="gt_row gt_center">1.2e-05 (7.1e-06–3.4e-05)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.11</td>
## <td headers="stat_1_2" class="gt_row gt_center">2.4e-06 (1.2e-06–4.8e-06)</td>
## <td headers="stat_2_2" class="gt_row gt_center">4e-06 (2.3e-06–8.7e-06)</td>
## <td headers="stat_3_2" class="gt_row gt_center">1.3e-05 (1.1e-05–1.5e-05)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.013</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_CSF2</td>
## <td headers="stat_1_1" class="gt_row gt_center">7.9e-09 (4.9e-10–1.7e-08)</td>
## <td headers="stat_2_1" class="gt_row gt_center">2.7e-08 (0e+00–8.7e-08)</td>
## <td headers="stat_3_1" class="gt_row gt_center">6.9e-08 (3.4e-08–7.4e-08)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.012</td>
## <td headers="stat_1_2" class="gt_row gt_center">1.4e-09 (4.1e-10–1.9e-08)</td>
## <td headers="stat_2_2" class="gt_row gt_center">1.2e-08 (0e+00–8.1e-08)</td>
## <td headers="stat_3_2" class="gt_row gt_center">1.4e-08 (1e-08–2.9e-08)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.5</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_CXCR1</td>
## <td headers="stat_1_1" class="gt_row gt_center">9.1e-06 (4.7e-06–1.9e-05)</td>
## <td headers="stat_2_1" class="gt_row gt_center">1.3e-05 (7.8e-06–7.5e-05)</td>
## <td headers="stat_3_1" class="gt_row gt_center">4.3e-05 (1.4e-05–6.1e-05)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.015</td>
## <td headers="stat_1_2" class="gt_row gt_center">4.8e-06 (3e-06–6.1e-06)</td>
## <td headers="stat_2_2" class="gt_row gt_center">8.6e-06 (3.7e-06–1.4e-05)</td>
## <td headers="stat_3_2" class="gt_row gt_center">2e-05 (0e+00–3.8e-05)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.5</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_FASN</td>
## <td headers="stat_1_1" class="gt_row gt_center">2.1e-06 (5.4e-07–4.2e-06)</td>
## <td headers="stat_2_1" class="gt_row gt_center">4.3e-06 (1.7e-06–8.9e-06)</td>
## <td headers="stat_3_1" class="gt_row gt_center">7.4e-06 (2.4e-06–1e-05)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.14</td>
## <td headers="stat_1_2" class="gt_row gt_center">1.3e-06 (3.4e-07–4.4e-06)</td>
## <td headers="stat_2_2" class="gt_row gt_center">3.6e-06 (9.8e-07–4.1e-06)</td>
## <td headers="stat_3_2" class="gt_row gt_center">5e-06 (2.3e-06–5.1e-06)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.3</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_FOXO3</td>
## <td headers="stat_1_1" class="gt_row gt_center">9.2e-05 (6.4e-05–2.7e-04)</td>
## <td headers="stat_2_1" class="gt_row gt_center">2.1e-04 (1.1e-04–2.8e-04)</td>
## <td headers="stat_3_1" class="gt_row gt_center">1.6e-04 (8.6e-05–2.7e-04)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.4</td>
## <td headers="stat_1_2" class="gt_row gt_center">7.1e-05 (4.5e-05–1e-04)</td>
## <td headers="stat_2_2" class="gt_row gt_center">1.2e-04 (8.8e-05–2.6e-04)</td>
## <td headers="stat_3_2" class="gt_row gt_center">2.6e-04 (1.5e-04–3.3e-04)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.019</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_FOXP3</td>
## <td headers="stat_1_1" class="gt_row gt_center">6e-07 (2.1e-07–2e-06)</td>
## <td headers="stat_2_1" class="gt_row gt_center">1.5e-06 (5.6e-07–2.4e-06)</td>
## <td headers="stat_3_1" class="gt_row gt_center">1.4e-06 (7.6e-07–5.9e-06)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.12</td>
## <td headers="stat_1_2" class="gt_row gt_center">3.9e-07 (1.2e-07–1.6e-06)</td>
## <td headers="stat_2_2" class="gt_row gt_center">8.8e-07 (1.8e-07–1.4e-06)</td>
## <td headers="stat_3_2" class="gt_row gt_center">1.4e-06 (9.7e-07–2e-06)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.4</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_G6PD</td>
## <td headers="stat_1_1" class="gt_row gt_center">2.9e-05 (9.9e-06–4.1e-05)</td>
## <td headers="stat_2_1" class="gt_row gt_center">3.5e-05 (1.8e-05–7.1e-05)</td>
## <td headers="stat_3_1" class="gt_row gt_center">6.4e-05 (4.6e-05–1e-04)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.055</td>
## <td headers="stat_1_2" class="gt_row gt_center">2e-05 (1.2e-05–4.1e-05)</td>
## <td headers="stat_2_2" class="gt_row gt_center">2.5e-05 (1.3e-05–4.4e-05)</td>
## <td headers="stat_3_2" class="gt_row gt_center">5.8e-05 (3.9e-05–1e-04)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.046</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_GPD2</td>
## <td headers="stat_1_1" class="gt_row gt_center">7.7e-07 (0e+00–2.4e-06)</td>
## <td headers="stat_2_1" class="gt_row gt_center">2.8e-06 (1.5e-06–4.6e-06)</td>
## <td headers="stat_3_1" class="gt_row gt_center">5.1e-06 (3.2e-06–6.4e-06)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.020</td>
## <td headers="stat_1_2" class="gt_row gt_center">1.1e-06 (3.4e-07–2.5e-06)</td>
## <td headers="stat_2_2" class="gt_row gt_center">1.6e-06 (4.5e-07–2.4e-06)</td>
## <td headers="stat_3_2" class="gt_row gt_center">1.2e-06 (0e+00–5.6e-06)</td>
## <td headers="p.value_2" class="gt_row gt_center">>0.9</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_GPX1</td>
## <td headers="stat_1_1" class="gt_row gt_center">6.1e-05 (3.9e-05–1.1e-04)</td>
## <td headers="stat_2_1" class="gt_row gt_center">1.4e-04 (6.4e-05–1.6e-04)</td>
## <td headers="stat_3_1" class="gt_row gt_center">1.1e-04 (9.6e-05–1.6e-04)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.056</td>
## <td headers="stat_1_2" class="gt_row gt_center">4.8e-05 (3.1e-05–6.1e-05)</td>
## <td headers="stat_2_2" class="gt_row gt_center">8.2e-05 (5e-05–1.4e-04)</td>
## <td headers="stat_3_2" class="gt_row gt_center">1.2e-04 (7e-05–1.5e-04)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.022</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_IFNG</td>
## <td headers="stat_1_1" class="gt_row gt_center">7.2e-08 (0e+00–1.8e-07)</td>
## <td headers="stat_2_1" class="gt_row gt_center">3.1e-07 (1.7e-07–7.9e-07)</td>
## <td headers="stat_3_1" class="gt_row gt_center">7.3e-07 (2.6e-07–1.6e-06)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.001</td>
## <td headers="stat_1_2" class="gt_row gt_center">6e-08 (2.3e-08–3.2e-07)</td>
## <td headers="stat_2_2" class="gt_row gt_center">3.5e-07 (1.5e-07–4.8e-07)</td>
## <td headers="stat_3_2" class="gt_row gt_center">1.3e-07 (0e+00–3e-07)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.056</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_IL10</td>
## <td headers="stat_1_1" class="gt_row gt_center">2.3e-08 (6.3e-09–8.4e-08)</td>
## <td headers="stat_2_1" class="gt_row gt_center">6.3e-08 (3.2e-08–1e-07)</td>
## <td headers="stat_3_1" class="gt_row gt_center">1.3e-07 (0e+00–1.8e-07)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.3</td>
## <td headers="stat_1_2" class="gt_row gt_center">1.7e-08 (0e+00–4.1e-08)</td>
## <td headers="stat_2_2" class="gt_row gt_center">4.5e-08 (1.5e-08–6.9e-08)</td>
## <td headers="stat_3_2" class="gt_row gt_center">1.4e-07 (7.4e-08–1.6e-07)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.059</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_IL1B</td>
## <td headers="stat_1_1" class="gt_row gt_center">5.5e-06 (1.9e-06–1.2e-05)</td>
## <td headers="stat_2_1" class="gt_row gt_center">7.2e-06 (4.2e-06–2.1e-05)</td>
## <td headers="stat_3_1" class="gt_row gt_center">2.3e-05 (1.3e-05–6.8e-05)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.014</td>
## <td headers="stat_1_2" class="gt_row gt_center">3.7e-06 (1.6e-06–7.6e-06)</td>
## <td headers="stat_2_2" class="gt_row gt_center">7.5e-06 (3.5e-06–1.2e-05)</td>
## <td headers="stat_3_2" class="gt_row gt_center">2e-05 (1.8e-05–2.2e-05)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.007</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_IL6</td>
## <td headers="stat_1_1" class="gt_row gt_center">7e-09 (1.1e-09–3e-08)</td>
## <td headers="stat_2_1" class="gt_row gt_center">2.2e-08 (2.2e-09–5.4e-08)</td>
## <td headers="stat_3_1" class="gt_row gt_center">5e-08 (5.7e-09–1.6e-07)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.2</td>
## <td headers="stat_1_2" class="gt_row gt_center">4.6e-09 (4.1e-10–1.4e-08)</td>
## <td headers="stat_2_2" class="gt_row gt_center">1.4e-08 (8.9e-09–4.6e-08)</td>
## <td headers="stat_3_2" class="gt_row gt_center">1.7e-08 (1.2e-08–3.2e-08)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.10</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_IRS1</td>
## <td headers="stat_1_1" class="gt_row gt_center">9.5e-08 (4.1e-08–1.2e-07)</td>
## <td headers="stat_2_1" class="gt_row gt_center">1.3e-07 (6.9e-08–1.6e-07)</td>
## <td headers="stat_3_1" class="gt_row gt_center">1.9e-07 (9.2e-08–3.8e-07)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.092</td>
## <td headers="stat_1_2" class="gt_row gt_center">6.2e-08 (2.8e-08–1.4e-07)</td>
## <td headers="stat_2_2" class="gt_row gt_center">7.9e-08 (5.3e-08–1.7e-07)</td>
## <td headers="stat_3_2" class="gt_row gt_center">2e-07 (7.4e-08–3.6e-07)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.12</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_JAK1</td>
## <td headers="stat_1_1" class="gt_row gt_center">6.8e-05 (3.6e-05–1.6e-04)</td>
## <td headers="stat_2_1" class="gt_row gt_center">1.1e-04 (4.1e-05–1.6e-04)</td>
## <td headers="stat_3_1" class="gt_row gt_center">1.9e-04 (9.8e-05–3.3e-04)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.033</td>
## <td headers="stat_1_2" class="gt_row gt_center">3.8e-05 (1.6e-05–9.6e-05)</td>
## <td headers="stat_2_2" class="gt_row gt_center">7e-05 (2.9e-05–1.1e-04)</td>
## <td headers="stat_3_2" class="gt_row gt_center">1.5e-04 (1.3e-04–1.7e-04)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.016</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_JAK3</td>
## <td headers="stat_1_1" class="gt_row gt_center">1.2e-05 (3.6e-06–3.5e-05)</td>
## <td headers="stat_2_1" class="gt_row gt_center">1.9e-05 (1.8e-05–5.3e-05)</td>
## <td headers="stat_3_1" class="gt_row gt_center">4.5e-05 (2.5e-05–9.2e-05)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.009</td>
## <td headers="stat_1_2" class="gt_row gt_center">7.5e-06 (5.3e-06–2.4e-05)</td>
## <td headers="stat_2_2" class="gt_row gt_center">1.4e-05 (3.5e-06–2.8e-05)</td>
## <td headers="stat_3_2" class="gt_row gt_center">2.5e-05 (2.3e-05–2.6e-05)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.12</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_LDHA</td>
## <td headers="stat_1_1" class="gt_row gt_center">2.2e-05 (6.8e-06–3.3e-05)</td>
## <td headers="stat_2_1" class="gt_row gt_center">2.6e-05 (1.4e-05–4.1e-05)</td>
## <td headers="stat_3_1" class="gt_row gt_center">4e-05 (2.5e-05–7.8e-05)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.085</td>
## <td headers="stat_1_2" class="gt_row gt_center">1.4e-05 (6.7e-06–3.7e-05)</td>
## <td headers="stat_2_2" class="gt_row gt_center">2.1e-05 (9.2e-06–4.9e-05)</td>
## <td headers="stat_3_2" class="gt_row gt_center">4.8e-05 (3e-05–5.2e-05)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.10</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_LIF</td>
## <td headers="stat_1_1" class="gt_row gt_center">5.7e-09 (1.3e-09–1.6e-08)</td>
## <td headers="stat_2_1" class="gt_row gt_center">1.9e-08 (4.8e-09–6.9e-08)</td>
## <td headers="stat_3_1" class="gt_row gt_center">2.1e-08 (3.4e-09–1e-07)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.3</td>
## <td headers="stat_1_2" class="gt_row gt_center">3.9e-09 (1.8e-09–1.3e-08)</td>
## <td headers="stat_2_2" class="gt_row gt_center">1.2e-08 (2.7e-09–3.1e-08)</td>
## <td headers="stat_3_2" class="gt_row gt_center">5.7e-10 (0e+00–3.8e-09)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.13</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_MAPK1</td>
## <td headers="stat_1_1" class="gt_row gt_center">1.5e-05 (7.9e-06–3.1e-05)</td>
## <td headers="stat_2_1" class="gt_row gt_center">2.6e-05 (1.9e-05–5.7e-05)</td>
## <td headers="stat_3_1" class="gt_row gt_center">5e-05 (3e-05–6.5e-05)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.009</td>
## <td headers="stat_1_2" class="gt_row gt_center">7e-06 (4.8e-06–8.8e-06)</td>
## <td headers="stat_2_2" class="gt_row gt_center">2.6e-05 (7.9e-06–4.1e-05)</td>
## <td headers="stat_3_2" class="gt_row gt_center">3.2e-05 (1.9e-05–4.1e-05)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.017</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_NFE2L2</td>
## <td headers="stat_1_1" class="gt_row gt_center">7e-06 (4.9e-06–1.7e-05)</td>
## <td headers="stat_2_1" class="gt_row gt_center">2.9e-05 (2.6e-05–4.9e-05)</td>
## <td headers="stat_3_1" class="gt_row gt_center">7.8e-05 (3.7e-05–8.9e-05)</td>
## <td headers="p.value_1" class="gt_row gt_center"><0.001</td>
## <td headers="stat_1_2" class="gt_row gt_center">6e-06 (2.7e-06–8.4e-06)</td>
## <td headers="stat_2_2" class="gt_row gt_center">2e-05 (1.4e-05–3.5e-05)</td>
## <td headers="stat_3_2" class="gt_row gt_center">5.7e-05 (3e-05–6.6e-05)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.007</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_NFKB1</td>
## <td headers="stat_1_1" class="gt_row gt_center">6.9e-06 (2.7e-06–1.4e-05)</td>
## <td headers="stat_2_1" class="gt_row gt_center">2.5e-05 (6.2e-06–2.9e-05)</td>
## <td headers="stat_3_1" class="gt_row gt_center">2.4e-05 (1.9e-05–2.8e-05)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.10</td>
## <td headers="stat_1_2" class="gt_row gt_center">1.6e-06 (0e+00–5e-06)</td>
## <td headers="stat_2_2" class="gt_row gt_center">1.6e-05 (4e-06–2.2e-05)</td>
## <td headers="stat_3_2" class="gt_row gt_center">2e-05 (1.5e-05–2.8e-05)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.007</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_NLRP3</td>
## <td headers="stat_1_1" class="gt_row gt_center">2.8e-06 (1.1e-06–5.3e-06)</td>
## <td headers="stat_2_1" class="gt_row gt_center">6.4e-06 (3e-06–1.1e-05)</td>
## <td headers="stat_3_1" class="gt_row gt_center">1e-05 (7.2e-06–2e-05)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.023</td>
## <td headers="stat_1_2" class="gt_row gt_center">2.6e-06 (1.2e-06–6.3e-06)</td>
## <td headers="stat_2_2" class="gt_row gt_center">4.4e-06 (1.5e-06–7e-06)</td>
## <td headers="stat_3_2" class="gt_row gt_center">8.8e-06 (6.6e-06–1.5e-05)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.14</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_NOS2</td>
## <td headers="stat_1_1" class="gt_row gt_center">5.6e-10 (4.1e-10–1.9e-09)</td>
## <td headers="stat_2_1" class="gt_row gt_center">0e+00 (0e+00–2.6e-09)</td>
## <td headers="stat_3_1" class="gt_row gt_center">5.5e-09 (2.2e-09–2.2e-08)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.020</td>
## <td headers="stat_1_2" class="gt_row gt_center">6.3e-10 (3.1e-10–2.8e-09)</td>
## <td headers="stat_2_2" class="gt_row gt_center">0e+00 (0e+00–2.4e-09)</td>
## <td headers="stat_3_2" class="gt_row gt_center">2e-09 (1.1e-09–6.8e-09)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.11</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_NOX5</td>
## <td headers="stat_1_1" class="gt_row gt_center">1.2e-09 (4.1e-10–2.3e-09)</td>
## <td headers="stat_2_1" class="gt_row gt_center">0e+00 (0e+00–0e+00)</td>
## <td headers="stat_3_1" class="gt_row gt_center">7.2e-09 (3.3e-09–3e-08)</td>
## <td headers="p.value_1" class="gt_row gt_center"><0.001</td>
## <td headers="stat_1_2" class="gt_row gt_center">6.3e-10 (4.1e-10–2.8e-09)</td>
## <td headers="stat_2_2" class="gt_row gt_center">0e+00 (0e+00–0e+00)</td>
## <td headers="stat_3_2" class="gt_row gt_center">2.5e-09 (1.6e-09–1.5e-08)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.001</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_PDCD1</td>
## <td headers="stat_1_1" class="gt_row gt_center">9.6e-07 (4.1e-07–1.5e-06)</td>
## <td headers="stat_2_1" class="gt_row gt_center">8.8e-07 (4.3e-07–1.6e-06)</td>
## <td headers="stat_3_1" class="gt_row gt_center">3.7e-06 (8.5e-07–1e-05)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.3</td>
## <td headers="stat_1_2" class="gt_row gt_center">7.8e-07 (9e-08–1.8e-06)</td>
## <td headers="stat_2_2" class="gt_row gt_center">4.5e-07 (2.1e-07–8.8e-07)</td>
## <td headers="stat_3_2" class="gt_row gt_center">1.8e-06 (1.2e-06–2.7e-06)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.047</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_PPARG</td>
## <td headers="stat_1_1" class="gt_row gt_center">1.2e-08 (0e+00–6.6e-08)</td>
## <td headers="stat_2_1" class="gt_row gt_center">5.5e-08 (2e-08–1.5e-07)</td>
## <td headers="stat_3_1" class="gt_row gt_center">1.9e-07 (1.2e-07–2.5e-07)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.023</td>
## <td headers="stat_1_2" class="gt_row gt_center">2.8e-08 (0e+00–1.4e-07)</td>
## <td headers="stat_2_2" class="gt_row gt_center">7.3e-08 (1.5e-08–1.8e-07)</td>
## <td headers="stat_3_2" class="gt_row gt_center">1.7e-07 (1.3e-07–3.3e-07)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.044</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_PTAFR</td>
## <td headers="stat_1_1" class="gt_row gt_center">2.1e-05 (1.2e-05–4.2e-05)</td>
## <td headers="stat_2_1" class="gt_row gt_center">4.3e-05 (1.8e-05–1.2e-04)</td>
## <td headers="stat_3_1" class="gt_row gt_center">1e-04 (6.4e-05–1.1e-04)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.015</td>
## <td headers="stat_1_2" class="gt_row gt_center">1.6e-05 (1.3e-05–2.1e-05)</td>
## <td headers="stat_2_2" class="gt_row gt_center">3.1e-05 (2.1e-05–5.2e-05)</td>
## <td headers="stat_3_2" class="gt_row gt_center">6.9e-05 (4.9e-05–8.8e-05)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.004</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_PTGS2</td>
## <td headers="stat_1_1" class="gt_row gt_center">2.6e-06 (1.2e-06–5.3e-06)</td>
## <td headers="stat_2_1" class="gt_row gt_center">3.3e-06 (1.8e-06–8.8e-06)</td>
## <td headers="stat_3_1" class="gt_row gt_center">8.1e-06 (5.4e-06–1.1e-05)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.016</td>
## <td headers="stat_1_2" class="gt_row gt_center">2.1e-06 (1.1e-06–2.3e-06)</td>
## <td headers="stat_2_2" class="gt_row gt_center">2.8e-06 (2.3e-06–4.7e-06)</td>
## <td headers="stat_3_2" class="gt_row gt_center">8.5e-06 (6.2e-06–1.3e-05)</td>
## <td headers="p.value_2" class="gt_row gt_center"><0.001</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_SLC2A4</td>
## <td headers="stat_1_1" class="gt_row gt_center">1.5e-07 (8.7e-08–2.9e-07)</td>
## <td headers="stat_2_1" class="gt_row gt_center">1.3e-07 (6.6e-08–2.4e-07)</td>
## <td headers="stat_3_1" class="gt_row gt_center">1e-07 (4.1e-08–2.6e-07)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.4</td>
## <td headers="stat_1_2" class="gt_row gt_center">1.4e-07 (8.1e-08–2e-07)</td>
## <td headers="stat_2_2" class="gt_row gt_center">1.7e-07 (7e-08–2.1e-07)</td>
## <td headers="stat_3_2" class="gt_row gt_center">1.6e-07 (7.9e-08–5.3e-07)</td>
## <td headers="p.value_2" class="gt_row gt_center">>0.9</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_SOD1</td>
## <td headers="stat_1_1" class="gt_row gt_center">1.4e-05 (6.5e-06–1.8e-05)</td>
## <td headers="stat_2_1" class="gt_row gt_center">2.2e-05 (1.2e-05–2.8e-05)</td>
## <td headers="stat_3_1" class="gt_row gt_center">2.3e-05 (1.4e-05–5.6e-05)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.048</td>
## <td headers="stat_1_2" class="gt_row gt_center">6.9e-06 (1.3e-06–1.3e-05)</td>
## <td headers="stat_2_2" class="gt_row gt_center">1.4e-05 (4.1e-06–2e-05)</td>
## <td headers="stat_3_2" class="gt_row gt_center">3e-05 (2e-05–7.8e-05)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.012</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_SREBF1</td>
## <td headers="stat_1_1" class="gt_row gt_center">3.7e-06 (1.6e-06–1.1e-05)</td>
## <td headers="stat_2_1" class="gt_row gt_center">6.6e-06 (4.1e-06–1.9e-05)</td>
## <td headers="stat_3_1" class="gt_row gt_center">1.4e-05 (8.5e-06–1.9e-05)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.050</td>
## <td headers="stat_1_2" class="gt_row gt_center">3.3e-06 (1.8e-06–6.5e-06)</td>
## <td headers="stat_2_2" class="gt_row gt_center">6.2e-06 (2.7e-06–1e-05)</td>
## <td headers="stat_3_2" class="gt_row gt_center">1.4e-05 (8.8e-06–1.5e-05)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.016</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_STAT3</td>
## <td headers="stat_1_1" class="gt_row gt_center">1.6e-05 (7.6e-06–4.6e-05)</td>
## <td headers="stat_2_1" class="gt_row gt_center">3.1e-05 (1.7e-05–6.8e-05)</td>
## <td headers="stat_3_1" class="gt_row gt_center">6.9e-05 (3.2e-05–1.9e-04)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.021</td>
## <td headers="stat_1_2" class="gt_row gt_center">1e-05 (6.3e-06–3.3e-05)</td>
## <td headers="stat_2_2" class="gt_row gt_center">2.5e-05 (5.4e-06–4.7e-05)</td>
## <td headers="stat_3_2" class="gt_row gt_center">4.5e-05 (3.4e-05–4.9e-05)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.12</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_TGFB1</td>
## <td headers="stat_1_1" class="gt_row gt_center">1.7e-04 (1.1e-04–3.1e-04)</td>
## <td headers="stat_2_1" class="gt_row gt_center">2.6e-04 (1e-04–4.6e-04)</td>
## <td headers="stat_3_1" class="gt_row gt_center">4.2e-04 (3.1e-04–9.3e-04)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.031</td>
## <td headers="stat_1_2" class="gt_row gt_center">1e-04 (5.5e-05–1.9e-04)</td>
## <td headers="stat_2_2" class="gt_row gt_center">1.9e-04 (5.4e-05–3.3e-04)</td>
## <td headers="stat_3_2" class="gt_row gt_center">2.5e-04 (2e-04–3.6e-04)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.5</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_TLR3</td>
## <td headers="stat_1_1" class="gt_row gt_center">1.9e-07 (6.9e-09–4.7e-07)</td>
## <td headers="stat_2_1" class="gt_row gt_center">2.8e-07 (1.3e-07–4.2e-07)</td>
## <td headers="stat_3_1" class="gt_row gt_center">5.3e-07 (3.1e-07–1.7e-06)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.2</td>
## <td headers="stat_1_2" class="gt_row gt_center">5.8e-08 (0e+00–2.2e-07)</td>
## <td headers="stat_2_2" class="gt_row gt_center">2e-07 (6.9e-08–4e-07)</td>
## <td headers="stat_3_2" class="gt_row gt_center">5e-07 (2.9e-07–8.4e-07)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.040</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_TLR4</td>
## <td headers="stat_1_1" class="gt_row gt_center">8.5e-06 (0e+00–2e-05)</td>
## <td headers="stat_2_1" class="gt_row gt_center">1.7e-05 (1.3e-05–3.3e-05)</td>
## <td headers="stat_3_1" class="gt_row gt_center">3.6e-05 (2.8e-05–7.7e-05)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.001</td>
## <td headers="stat_1_2" class="gt_row gt_center">5.7e-06 (2.6e-06–9.7e-06)</td>
## <td headers="stat_2_2" class="gt_row gt_center">8.8e-06 (5.1e-06–2.3e-05)</td>
## <td headers="stat_3_2" class="gt_row gt_center">3e-05 (2.7e-05–3.4e-05)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.010</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_TNF</td>
## <td headers="stat_1_1" class="gt_row gt_center">4.5e-06 (1.3e-06–1.4e-05)</td>
## <td headers="stat_2_1" class="gt_row gt_center">1.9e-05 (5.6e-06–2.3e-05)</td>
## <td headers="stat_3_1" class="gt_row gt_center">1.2e-05 (6.5e-06–2.7e-05)</td>
## <td headers="p.value_1" class="gt_row gt_center">0.031</td>
## <td headers="stat_1_2" class="gt_row gt_center">3.7e-06 (1.1e-06–9.8e-06)</td>
## <td headers="stat_2_2" class="gt_row gt_center">9.7e-06 (2.6e-06–1.6e-05)</td>
## <td headers="stat_3_2" class="gt_row gt_center">1.1e-05 (6.6e-06–1.8e-05)</td>
## <td headers="p.value_2" class="gt_row gt_center">0.2</td></tr>
##   </tbody>
##   
##   <tfoot class="gt_footnotes">
##     <tr>
##       <td class="gt_footnote" colspan="9"><span class="gt_footnote_marks" style="white-space:nowrap;font-style:italic;font-weight:normal;line-height:0;"><sup>1</sup></span> <span class='gt_from_md'>Median (Q1–Q3)</span></td>
##     </tr>
##     <tr>
##       <td class="gt_footnote" colspan="9"><span class="gt_footnote_marks" style="white-space:nowrap;font-style:italic;font-weight:normal;line-height:0;"><sup>2</sup></span> <span class='gt_from_md'>Kruskal-Wallis rank sum test</span></td>
##     </tr>
##   </tfoot>
## </table>
## </div>
# Convertir el objeto gtsummary a un data.frame
tabla_df <- as.data.frame(tabla)

# Renombrar las columnas p-value y p-value2 para evitar conflicto de nombres
# Primero reemplazar "p-value" por un nombre único temporal para evitar conflictos
colnames(tabla_df) <- gsub("p-value", "p_value_temp", colnames(tabla_df))

# Luego asegurarse de que no haya columnas con nombres duplicados
colnames(tabla_df) <- make.unique(colnames(tabla_df))

# Convertir la tabla renombrada en un flextable
tabla_flextable <- flextable(tabla_df)

# Crear un documento Word
doc <- read_docx()

# Agregar la tabla al documento Word
doc <- doc %>%
  body_add_par("Resultados Trta_tumor", style = "heading 1") %>%
  body_add_flextable(tabla_flextable)

# Guardar el documento Word
print(doc, target = "Resultados_Trta_tumor.docx")

Interpretación de las estadísticas descriptivas

La comparación de la expresión génica en función del tipo de tratamiento (tratA y tratB) y el tipo de tumor (CCR, CM y CP) mostró que hay diferencias significativas en la expresión de varios genes. Dado que los datos no siguen una distribución paramétrica, se utilizaron la mediana y el rango intercuartílico (p25-p75) como medidas de tendencia central y dispersión para describir las distribuciones de cada variable genética.

Genes como AQ_ADIPOQ y AQ_CCL5 presentan diferencias altamente significativas entre los grupos, con p-valores menores a 0.001 y 0.03, respectivamente. Esto indica que estos genes tienen una expresión considerablemente diferente dependiendo del tipo de tumor o tratamiento, lo que sugiere que su regulación podría estar modulada por factores externos como el tratamiento recibido o el tipo de tumor. La expresión de AQ_ADIPOQ, por ejemplo, es notablemente baja en ciertos grupos, y su rango intercuartílico es muy estrecho, lo que indica una variabilidad limitada dentro de ese grupo. Seguramente porque sus valores son 0 en los analálisis previos.

Por otro lado, otros genes como AQ_ARG1 y AQ_CCL2 no muestran diferencias significativas entre los grupos evaluados (p>0.05), lo cual implica que su expresión permanece relativamente constante independientemente del tratamiento o tipo de tumor. Este hallazgo puede ser interpretado de diversas maneras, por ejemplo, que estos genes podrían tener un rol en la biología del tumor que no se ve modificado por los tratamientos utilizados, lo que podría ser importante para considerar estos genes como biomarcadores de referencia o de diagnóstico en estudios futuros.

Además, algunos genes como AQ_NFE2L2 presentan diferencias amplias en la mediana de expresión entre los grupos, lo que indica una variabilidad considerable que podría estar asociada a un efecto específico del tratamiento o del tipo de tumor. Estos cambios drásticos podrían ser indicativos de un patrón de expresión génica muy sensible a ciertos factores, lo que podría tener implicaciones en la identificación de genes clave en el manejo y tratamiento de estos tipos de tumores.

Tabla 3: percentil 50 de edad con t-student

# Calcular el percentil 50 de la edad (mediana)
percentil_50_edad <- quantile(genes_edad$edad, probs = 0.50, na.rm = TRUE)

# Crear una nueva variable categórica 'edad_categoria' utilizando la función cut() para 2 categorías
genes_edad$edad_categoria <- cut(
  genes_edad$edad,
  breaks = c(-Inf, percentil_50_edad, Inf),  # Divide en dos categorías: < mediana y >= mediana
  labels = c("Edad_cat < percentil 50", "Edad_cat ≥ percentil 50"),  # Etiquetas para las categorías
  include.lowest = TRUE  # Incluir el límite inferior (percentil 50) en la segunda categoría
)

# Verificar las primeras filas del dataframe con la nueva variable
head(genes_edad)
##       edad AQ_ADIPOQ  AQ_ALOX5   AQ_ARG1   AQ_BMP2   AQ_CCL2    AQ_CCL5
## 1 55.73169 4.114e-10 2.443e-05 5.979e-07 2.174e-09 1.717e-08 0.00005863
## 2 48.71732 3.130e-10 1.621e-05 5.198e-07 2.995e-09 3.996e-09 0.00003230
## 3 63.60575 0.000e+00 5.168e-05 1.010e-05 1.545e-07 5.013e-08 0.00085606
## 4 55.27447 1.248e-09 5.410e-05 2.006e-06 9.122e-09 1.237e-07 0.00041951
## 5 74.13552 0.000e+00 1.261e-05 8.680e-07 6.008e-09 3.402e-09 0.00022700
## 6 78.16290 0.000e+00 1.665e-05 1.299e-05 2.858e-08 1.673e-08 0.00015281
##     AQ_CCR5  AQ_CD274   AQ_CD36   AQ_CHKA  AQ_CPT1A   AQ_CSF2  AQ_CXCR1
## 1 1.004e-06 4.441e-07 5.616e-06 9.936e-08 1.082e-06 4.114e-10 4.739e-06
## 2 7.479e-07 8.357e-08 4.283e-06 9.813e-08 1.250e-06 1.682e-09 3.008e-06
## 3 8.430e-06 2.834e-06 6.670e-05 7.636e-07 1.195e-05 0.000e+00 8.887e-05
## 4 3.662e-06 9.112e-07 1.721e-05 0.000e+00 4.726e-06 7.853e-09 9.079e-06
## 5 4.221e-06 8.632e-07 8.436e-06 2.609e-07 3.963e-06 1.499e-08 4.862e-06
## 6 1.573e-06 5.422e-07 1.790e-05 4.269e-07 2.688e-06 0.000e+00 9.244e-06
##     AQ_FASN   AQ_FOXO3  AQ_FOXP3   AQ_G6PD   AQ_GPD2    AQ_GPX1   AQ_IFNG
## 1 2.884e-07 0.00004622 1.101e-07 9.874e-06 0.000e+00 0.00006258 0.000e+00
## 2 2.518e-07 0.00002470 5.808e-08 4.496e-06 4.969e-07 0.00002545 3.554e-09
## 3 4.277e-06 0.00024841 1.387e-06 4.367e-05 4.886e-06 0.00014781 8.644e-07
## 4 2.563e-06 0.00035943 8.414e-07 2.989e-05 1.247e-06 0.00014760 1.072e-07
## 5 7.134e-07 0.00012576 1.124e-07 1.077e-05 4.510e-07 0.00005193 1.841e-07
## 6 1.403e-06 0.00009826 2.522e-07 1.488e-05 1.192e-06 0.00007646 1.204e-07
##     AQ_IL10   AQ_IL1B    AQ_IL6   AQ_IRS1    AQ_JAK1   AQ_JAK3   AQ_LDHA
## 1 8.750e-09 2.414e-06 7.658e-09 3.845e-08 0.00001136 3.173e-06 5.482e-06
## 2 4.510e-09 1.639e-06 1.634e-09 6.475e-08 0.00001246 1.668e-06 6.688e-06
## 3 6.254e-08 2.077e-05 5.383e-08 1.398e-07 0.00012148 5.262e-05 3.159e-05
## 4 2.285e-08 4.645e-06 1.248e-09 9.758e-08 0.00007567 4.556e-06 1.266e-05
## 5 1.883e-08 3.129e-06 1.410e-08 5.010e-08 0.00002698 7.545e-06 7.178e-06
## 6 1.282e-08 8.477e-06 2.564e-09 7.020e-08 0.00003090 1.368e-05 1.490e-05
##      AQ_LIF  AQ_MAPK1 AQ_NFE2L2  AQ_NFKB1  AQ_NLRP3   AQ_NOS2   AQ_NOX5
## 1 5.734e-09 5.863e-06 5.132e-06 2.577e-06 1.106e-06 4.114e-10 4.114e-10
## 2 3.161e-09 2.049e-06 2.698e-06 5.056e-07 1.030e-06 3.130e-10 3.130e-10
## 3 0.000e+00 5.995e-05 3.467e-05 2.500e-05 4.253e-06 0.000e+00 0.000e+00
## 4 1.413e-08 2.505e-05 1.704e-05 6.133e-06 2.766e-06 1.248e-09 1.248e-09
## 5 7.145e-09 9.393e-06 1.313e-05 2.283e-06 1.429e-06 1.089e-09 0.000e+00
## 6 0.000e+00 0.000e+00 1.420e-05 1.607e-05 2.161e-06 0.000e+00 7.165e-09
##    AQ_PDCD1  AQ_PPARG  AQ_PTAFR  AQ_PTGS2 AQ_SLC2A4   AQ_SOD1 AQ_SREBF1
## 1 9.512e-08 1.178e-08 1.190e-05 2.095e-06 1.929e-07 4.016e-06 1.631e-06
## 2 3.194e-08 1.060e-08 1.190e-05 9.112e-07 8.051e-08 1.310e-06 9.571e-07
## 3 1.645e-06 4.047e-08 6.661e-05 7.411e-06 2.245e-07 1.896e-05 6.624e-06
## 4 1.139e-06 0.000e+00 1.522e-05 2.512e-06 3.137e-07 1.021e-05 2.977e-06
## 5 2.807e-07 1.456e-08 1.649e-05 2.093e-06 7.353e-08 8.320e-06 1.102e-06
## 6 1.487e-07 1.363e-08 2.889e-05 2.448e-06 1.972e-07 0.000e+00 4.002e-06
##    AQ_STAT3   AQ_TGFB1   AQ_TLR3   AQ_TLR4    AQ_TNF          edad_categoria
## 1 3.890e-06 0.00005262 2.093e-08 2.713e-06 1.304e-06 Edad_cat < percentil 50
## 2 1.099e-06 0.00002229 5.072e-09 2.622e-06 2.441e-07 Edad_cat < percentil 50
## 3 2.932e-05 0.00038151 2.786e-07 2.881e-05 1.929e-05 Edad_cat < percentil 50
## 4 7.635e-06 0.00024499 1.248e-09 1.185e-05 4.496e-06 Edad_cat < percentil 50
## 5 5.240e-06 0.00003898 7.010e-08 4.373e-06 4.060e-06 Edad_cat ≥ percentil 50
## 6 2.237e-05 0.00012047 6.876e-08 9.354e-06 2.148e-06 Edad_cat ≥ percentil 50
# Crear la tabla descriptiva utilizando gtsummary, estratificada por la categoría de edad
tabla_modelo_3 <- genes_edad %>%
  dplyr::select(edad_categoria, starts_with("AQ_")) %>%  # Seleccionar 'edad_categoria' y las columnas de genes
  tbl_summary(
    by = edad_categoria,  # Estratificación por la categoría de edad
    statistic = all_continuous() ~ "{mean} ({sd})",  # Media y desviación estándar (para variables paramétricas)
    digits = all_continuous() ~ function(x) format(x, digits = 2, scientific = TRUE),  # Redondear a dos decimales
    missing = "no"  # Excluir valores faltantes
  ) %>%
  add_p(
    test = all_continuous() ~ "t.test",  # Usar la prueba t de Student para datos paramétricos
    pvalue_fun = ~ style_pvalue(.x)  # Estilo para los valores p
  )

# Mostrar la tabla
print(tabla_modelo_3)
## <div id="gewxwddpbn" style="padding-left:0px;padding-right:0px;padding-top:10px;padding-bottom:10px;overflow-x:auto;overflow-y:auto;width:auto;height:auto;">
##   <style>#gewxwddpbn table {
##   font-family: system-ui, 'Segoe UI', Roboto, Helvetica, Arial, sans-serif, 'Apple Color Emoji', 'Segoe UI Emoji', 'Segoe UI Symbol', 'Noto Color Emoji';
##   -webkit-font-smoothing: antialiased;
##   -moz-osx-font-smoothing: grayscale;
## }
## 
## #gewxwddpbn thead, #gewxwddpbn tbody, #gewxwddpbn tfoot, #gewxwddpbn tr, #gewxwddpbn td, #gewxwddpbn th {
##   border-style: none;
## }
## 
## #gewxwddpbn p {
##   margin: 0;
##   padding: 0;
## }
## 
## #gewxwddpbn .gt_table {
##   display: table;
##   border-collapse: collapse;
##   line-height: normal;
##   margin-left: auto;
##   margin-right: auto;
##   color: #333333;
##   font-size: 16px;
##   font-weight: normal;
##   font-style: normal;
##   background-color: #FFFFFF;
##   width: auto;
##   border-top-style: solid;
##   border-top-width: 2px;
##   border-top-color: #A8A8A8;
##   border-right-style: none;
##   border-right-width: 2px;
##   border-right-color: #D3D3D3;
##   border-bottom-style: solid;
##   border-bottom-width: 2px;
##   border-bottom-color: #A8A8A8;
##   border-left-style: none;
##   border-left-width: 2px;
##   border-left-color: #D3D3D3;
## }
## 
## #gewxwddpbn .gt_caption {
##   padding-top: 4px;
##   padding-bottom: 4px;
## }
## 
## #gewxwddpbn .gt_title {
##   color: #333333;
##   font-size: 125%;
##   font-weight: initial;
##   padding-top: 4px;
##   padding-bottom: 4px;
##   padding-left: 5px;
##   padding-right: 5px;
##   border-bottom-color: #FFFFFF;
##   border-bottom-width: 0;
## }
## 
## #gewxwddpbn .gt_subtitle {
##   color: #333333;
##   font-size: 85%;
##   font-weight: initial;
##   padding-top: 3px;
##   padding-bottom: 5px;
##   padding-left: 5px;
##   padding-right: 5px;
##   border-top-color: #FFFFFF;
##   border-top-width: 0;
## }
## 
## #gewxwddpbn .gt_heading {
##   background-color: #FFFFFF;
##   text-align: center;
##   border-bottom-color: #FFFFFF;
##   border-left-style: none;
##   border-left-width: 1px;
##   border-left-color: #D3D3D3;
##   border-right-style: none;
##   border-right-width: 1px;
##   border-right-color: #D3D3D3;
## }
## 
## #gewxwddpbn .gt_bottom_border {
##   border-bottom-style: solid;
##   border-bottom-width: 2px;
##   border-bottom-color: #D3D3D3;
## }
## 
## #gewxwddpbn .gt_col_headings {
##   border-top-style: solid;
##   border-top-width: 2px;
##   border-top-color: #D3D3D3;
##   border-bottom-style: solid;
##   border-bottom-width: 2px;
##   border-bottom-color: #D3D3D3;
##   border-left-style: none;
##   border-left-width: 1px;
##   border-left-color: #D3D3D3;
##   border-right-style: none;
##   border-right-width: 1px;
##   border-right-color: #D3D3D3;
## }
## 
## #gewxwddpbn .gt_col_heading {
##   color: #333333;
##   background-color: #FFFFFF;
##   font-size: 100%;
##   font-weight: normal;
##   text-transform: inherit;
##   border-left-style: none;
##   border-left-width: 1px;
##   border-left-color: #D3D3D3;
##   border-right-style: none;
##   border-right-width: 1px;
##   border-right-color: #D3D3D3;
##   vertical-align: bottom;
##   padding-top: 5px;
##   padding-bottom: 6px;
##   padding-left: 5px;
##   padding-right: 5px;
##   overflow-x: hidden;
## }
## 
## #gewxwddpbn .gt_column_spanner_outer {
##   color: #333333;
##   background-color: #FFFFFF;
##   font-size: 100%;
##   font-weight: normal;
##   text-transform: inherit;
##   padding-top: 0;
##   padding-bottom: 0;
##   padding-left: 4px;
##   padding-right: 4px;
## }
## 
## #gewxwddpbn .gt_column_spanner_outer:first-child {
##   padding-left: 0;
## }
## 
## #gewxwddpbn .gt_column_spanner_outer:last-child {
##   padding-right: 0;
## }
## 
## #gewxwddpbn .gt_column_spanner {
##   border-bottom-style: solid;
##   border-bottom-width: 2px;
##   border-bottom-color: #D3D3D3;
##   vertical-align: bottom;
##   padding-top: 5px;
##   padding-bottom: 5px;
##   overflow-x: hidden;
##   display: inline-block;
##   width: 100%;
## }
## 
## #gewxwddpbn .gt_spanner_row {
##   border-bottom-style: hidden;
## }
## 
## #gewxwddpbn .gt_group_heading {
##   padding-top: 8px;
##   padding-bottom: 8px;
##   padding-left: 5px;
##   padding-right: 5px;
##   color: #333333;
##   background-color: #FFFFFF;
##   font-size: 100%;
##   font-weight: initial;
##   text-transform: inherit;
##   border-top-style: solid;
##   border-top-width: 2px;
##   border-top-color: #D3D3D3;
##   border-bottom-style: solid;
##   border-bottom-width: 2px;
##   border-bottom-color: #D3D3D3;
##   border-left-style: none;
##   border-left-width: 1px;
##   border-left-color: #D3D3D3;
##   border-right-style: none;
##   border-right-width: 1px;
##   border-right-color: #D3D3D3;
##   vertical-align: middle;
##   text-align: left;
## }
## 
## #gewxwddpbn .gt_empty_group_heading {
##   padding: 0.5px;
##   color: #333333;
##   background-color: #FFFFFF;
##   font-size: 100%;
##   font-weight: initial;
##   border-top-style: solid;
##   border-top-width: 2px;
##   border-top-color: #D3D3D3;
##   border-bottom-style: solid;
##   border-bottom-width: 2px;
##   border-bottom-color: #D3D3D3;
##   vertical-align: middle;
## }
## 
## #gewxwddpbn .gt_from_md > :first-child {
##   margin-top: 0;
## }
## 
## #gewxwddpbn .gt_from_md > :last-child {
##   margin-bottom: 0;
## }
## 
## #gewxwddpbn .gt_row {
##   padding-top: 8px;
##   padding-bottom: 8px;
##   padding-left: 5px;
##   padding-right: 5px;
##   margin: 10px;
##   border-top-style: solid;
##   border-top-width: 1px;
##   border-top-color: #D3D3D3;
##   border-left-style: none;
##   border-left-width: 1px;
##   border-left-color: #D3D3D3;
##   border-right-style: none;
##   border-right-width: 1px;
##   border-right-color: #D3D3D3;
##   vertical-align: middle;
##   overflow-x: hidden;
## }
## 
## #gewxwddpbn .gt_stub {
##   color: #333333;
##   background-color: #FFFFFF;
##   font-size: 100%;
##   font-weight: initial;
##   text-transform: inherit;
##   border-right-style: solid;
##   border-right-width: 2px;
##   border-right-color: #D3D3D3;
##   padding-left: 5px;
##   padding-right: 5px;
## }
## 
## #gewxwddpbn .gt_stub_row_group {
##   color: #333333;
##   background-color: #FFFFFF;
##   font-size: 100%;
##   font-weight: initial;
##   text-transform: inherit;
##   border-right-style: solid;
##   border-right-width: 2px;
##   border-right-color: #D3D3D3;
##   padding-left: 5px;
##   padding-right: 5px;
##   vertical-align: top;
## }
## 
## #gewxwddpbn .gt_row_group_first td {
##   border-top-width: 2px;
## }
## 
## #gewxwddpbn .gt_row_group_first th {
##   border-top-width: 2px;
## }
## 
## #gewxwddpbn .gt_summary_row {
##   color: #333333;
##   background-color: #FFFFFF;
##   text-transform: inherit;
##   padding-top: 8px;
##   padding-bottom: 8px;
##   padding-left: 5px;
##   padding-right: 5px;
## }
## 
## #gewxwddpbn .gt_first_summary_row {
##   border-top-style: solid;
##   border-top-color: #D3D3D3;
## }
## 
## #gewxwddpbn .gt_first_summary_row.thick {
##   border-top-width: 2px;
## }
## 
## #gewxwddpbn .gt_last_summary_row {
##   padding-top: 8px;
##   padding-bottom: 8px;
##   padding-left: 5px;
##   padding-right: 5px;
##   border-bottom-style: solid;
##   border-bottom-width: 2px;
##   border-bottom-color: #D3D3D3;
## }
## 
## #gewxwddpbn .gt_grand_summary_row {
##   color: #333333;
##   background-color: #FFFFFF;
##   text-transform: inherit;
##   padding-top: 8px;
##   padding-bottom: 8px;
##   padding-left: 5px;
##   padding-right: 5px;
## }
## 
## #gewxwddpbn .gt_first_grand_summary_row {
##   padding-top: 8px;
##   padding-bottom: 8px;
##   padding-left: 5px;
##   padding-right: 5px;
##   border-top-style: double;
##   border-top-width: 6px;
##   border-top-color: #D3D3D3;
## }
## 
## #gewxwddpbn .gt_last_grand_summary_row_top {
##   padding-top: 8px;
##   padding-bottom: 8px;
##   padding-left: 5px;
##   padding-right: 5px;
##   border-bottom-style: double;
##   border-bottom-width: 6px;
##   border-bottom-color: #D3D3D3;
## }
## 
## #gewxwddpbn .gt_striped {
##   background-color: rgba(128, 128, 128, 0.05);
## }
## 
## #gewxwddpbn .gt_table_body {
##   border-top-style: solid;
##   border-top-width: 2px;
##   border-top-color: #D3D3D3;
##   border-bottom-style: solid;
##   border-bottom-width: 2px;
##   border-bottom-color: #D3D3D3;
## }
## 
## #gewxwddpbn .gt_footnotes {
##   color: #333333;
##   background-color: #FFFFFF;
##   border-bottom-style: none;
##   border-bottom-width: 2px;
##   border-bottom-color: #D3D3D3;
##   border-left-style: none;
##   border-left-width: 2px;
##   border-left-color: #D3D3D3;
##   border-right-style: none;
##   border-right-width: 2px;
##   border-right-color: #D3D3D3;
## }
## 
## #gewxwddpbn .gt_footnote {
##   margin: 0px;
##   font-size: 90%;
##   padding-top: 4px;
##   padding-bottom: 4px;
##   padding-left: 5px;
##   padding-right: 5px;
## }
## 
## #gewxwddpbn .gt_sourcenotes {
##   color: #333333;
##   background-color: #FFFFFF;
##   border-bottom-style: none;
##   border-bottom-width: 2px;
##   border-bottom-color: #D3D3D3;
##   border-left-style: none;
##   border-left-width: 2px;
##   border-left-color: #D3D3D3;
##   border-right-style: none;
##   border-right-width: 2px;
##   border-right-color: #D3D3D3;
## }
## 
## #gewxwddpbn .gt_sourcenote {
##   font-size: 90%;
##   padding-top: 4px;
##   padding-bottom: 4px;
##   padding-left: 5px;
##   padding-right: 5px;
## }
## 
## #gewxwddpbn .gt_left {
##   text-align: left;
## }
## 
## #gewxwddpbn .gt_center {
##   text-align: center;
## }
## 
## #gewxwddpbn .gt_right {
##   text-align: right;
##   font-variant-numeric: tabular-nums;
## }
## 
## #gewxwddpbn .gt_font_normal {
##   font-weight: normal;
## }
## 
## #gewxwddpbn .gt_font_bold {
##   font-weight: bold;
## }
## 
## #gewxwddpbn .gt_font_italic {
##   font-style: italic;
## }
## 
## #gewxwddpbn .gt_super {
##   font-size: 65%;
## }
## 
## #gewxwddpbn .gt_footnote_marks {
##   font-size: 75%;
##   vertical-align: 0.4em;
##   position: initial;
## }
## 
## #gewxwddpbn .gt_asterisk {
##   font-size: 100%;
##   vertical-align: 0;
## }
## 
## #gewxwddpbn .gt_indent_1 {
##   text-indent: 5px;
## }
## 
## #gewxwddpbn .gt_indent_2 {
##   text-indent: 10px;
## }
## 
## #gewxwddpbn .gt_indent_3 {
##   text-indent: 15px;
## }
## 
## #gewxwddpbn .gt_indent_4 {
##   text-indent: 20px;
## }
## 
## #gewxwddpbn .gt_indent_5 {
##   text-indent: 25px;
## }
## 
## #gewxwddpbn .katex-display {
##   display: inline-flex !important;
##   margin-bottom: 0.75em !important;
## }
## 
## #gewxwddpbn div.Reactable > div.rt-table > div.rt-thead > div.rt-tr.rt-tr-group-header > div.rt-th-group:after {
##   height: 0px !important;
## }
## </style>
##   <table class="gt_table" data-quarto-disable-processing="false" data-quarto-bootstrap="false">
##   <thead>
##     <tr class="gt_col_headings">
##       <th class="gt_col_heading gt_columns_bottom_border gt_left" rowspan="1" colspan="1" scope="col" id="label"><span class='gt_from_md'><strong>Characteristic</strong></span></th>
##       <th class="gt_col_heading gt_columns_bottom_border gt_center" rowspan="1" colspan="1" scope="col" id="stat_1"><span class='gt_from_md'><strong>Edad_cat &lt; percentil 50</strong><br />
## N = 33</span><span class="gt_footnote_marks" style="white-space:nowrap;font-style:italic;font-weight:normal;line-height:0;"><sup>1</sup></span></th>
##       <th class="gt_col_heading gt_columns_bottom_border gt_center" rowspan="1" colspan="1" scope="col" id="stat_2"><span class='gt_from_md'><strong>Edad_cat ≥ percentil 50</strong><br />
## N = 32</span><span class="gt_footnote_marks" style="white-space:nowrap;font-style:italic;font-weight:normal;line-height:0;"><sup>1</sup></span></th>
##       <th class="gt_col_heading gt_columns_bottom_border gt_center" rowspan="1" colspan="1" scope="col" id="p.value"><span class='gt_from_md'><strong>p-value</strong></span><span class="gt_footnote_marks" style="white-space:nowrap;font-style:italic;font-weight:normal;line-height:0;"><sup>2</sup></span></th>
##     </tr>
##   </thead>
##   <tbody class="gt_table_body">
##     <tr><td headers="label" class="gt_row gt_left">AQ_ADIPOQ</td>
## <td headers="stat_1" class="gt_row gt_center">3e-02 (1.7e-01)</td>
## <td headers="stat_2" class="gt_row gt_center">1.4e-09 (4.6e-09)</td>
## <td headers="p.value" class="gt_row gt_center">0.3</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_ALOX5</td>
## <td headers="stat_1" class="gt_row gt_center">7e-05 (7.5e-05)</td>
## <td headers="stat_2" class="gt_row gt_center">6.9e-05 (5.8e-05)</td>
## <td headers="p.value" class="gt_row gt_center">>0.9</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_ARG1</td>
## <td headers="stat_1" class="gt_row gt_center">3.5e-06 (3.7e-06)</td>
## <td headers="stat_2" class="gt_row gt_center">4.6e-06 (6.6e-06)</td>
## <td headers="p.value" class="gt_row gt_center">0.4</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_BMP2</td>
## <td headers="stat_1" class="gt_row gt_center">5.9e-08 (6.7e-08)</td>
## <td headers="stat_2" class="gt_row gt_center">4.9e-08 (5.9e-08)</td>
## <td headers="p.value" class="gt_row gt_center">0.5</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_CCL2</td>
## <td headers="stat_1" class="gt_row gt_center">1.2e-07 (1.9e-07)</td>
## <td headers="stat_2" class="gt_row gt_center">1.1e-07 (2.3e-07)</td>
## <td headers="p.value" class="gt_row gt_center">0.8</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_CCL5</td>
## <td headers="stat_1" class="gt_row gt_center">5.1e-04 (6.2e-04)</td>
## <td headers="stat_2" class="gt_row gt_center">5.2e-04 (4.7e-04)</td>
## <td headers="p.value" class="gt_row gt_center">>0.9</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_CCR5</td>
## <td headers="stat_1" class="gt_row gt_center">9e-06 (1e-05)</td>
## <td headers="stat_2" class="gt_row gt_center">9.5e-06 (1e-05)</td>
## <td headers="p.value" class="gt_row gt_center">0.8</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_CD274</td>
## <td headers="stat_1" class="gt_row gt_center">1.8e-06 (1.6e-06)</td>
## <td headers="stat_2" class="gt_row gt_center">2.1e-06 (2.2e-06)</td>
## <td headers="p.value" class="gt_row gt_center">0.5</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_CD36</td>
## <td headers="stat_1" class="gt_row gt_center">2.8e-05 (2.2e-05)</td>
## <td headers="stat_2" class="gt_row gt_center">3e-05 (2.4e-05)</td>
## <td headers="p.value" class="gt_row gt_center">0.7</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_CHKA</td>
## <td headers="stat_1" class="gt_row gt_center">7.7e-07 (9e-07)</td>
## <td headers="stat_2" class="gt_row gt_center">7.1e-07 (6.2e-07)</td>
## <td headers="p.value" class="gt_row gt_center">0.8</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_CPT1A</td>
## <td headers="stat_1" class="gt_row gt_center">9.1e-06 (9.3e-06)</td>
## <td headers="stat_2" class="gt_row gt_center">9.3e-06 (9e-06)</td>
## <td headers="p.value" class="gt_row gt_center">>0.9</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_CSF2</td>
## <td headers="stat_1" class="gt_row gt_center">3e-08 (4.6e-08)</td>
## <td headers="stat_2" class="gt_row gt_center">2.9e-08 (3.3e-08)</td>
## <td headers="p.value" class="gt_row gt_center">>0.9</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_CXCR1</td>
## <td headers="stat_1" class="gt_row gt_center">1.9e-05 (2.5e-05)</td>
## <td headers="stat_2" class="gt_row gt_center">1.7e-05 (1.8e-05)</td>
## <td headers="p.value" class="gt_row gt_center">0.7</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_FASN</td>
## <td headers="stat_1" class="gt_row gt_center">4.4e-06 (4.5e-06)</td>
## <td headers="stat_2" class="gt_row gt_center">3.9e-06 (3.6e-06)</td>
## <td headers="p.value" class="gt_row gt_center">0.6</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_FOXO3</td>
## <td headers="stat_1" class="gt_row gt_center">1.6e-04 (1.4e-04)</td>
## <td headers="stat_2" class="gt_row gt_center">2e-04 (1.7e-04)</td>
## <td headers="p.value" class="gt_row gt_center">0.3</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_FOXP3</td>
## <td headers="stat_1" class="gt_row gt_center">1.6e-06 (1.8e-06)</td>
## <td headers="stat_2" class="gt_row gt_center">1.7e-06 (2.8e-06)</td>
## <td headers="p.value" class="gt_row gt_center">0.8</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_G6PD</td>
## <td headers="stat_1" class="gt_row gt_center">3.9e-05 (3.4e-05)</td>
## <td headers="stat_2" class="gt_row gt_center">4.7e-05 (3.7e-05)</td>
## <td headers="p.value" class="gt_row gt_center">0.4</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_GPD2</td>
## <td headers="stat_1" class="gt_row gt_center">2.9e-06 (3.3e-06)</td>
## <td headers="stat_2" class="gt_row gt_center">2.2e-06 (2.1e-06)</td>
## <td headers="p.value" class="gt_row gt_center">0.3</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_GPX1</td>
## <td headers="stat_1" class="gt_row gt_center">9.2e-05 (6.1e-05)</td>
## <td headers="stat_2" class="gt_row gt_center">1e-04 (6.1e-05)</td>
## <td headers="p.value" class="gt_row gt_center">0.6</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_IFNG</td>
## <td headers="stat_1" class="gt_row gt_center">3.9e-07 (4.6e-07)</td>
## <td headers="stat_2" class="gt_row gt_center">2.9e-07 (3.6e-07)</td>
## <td headers="p.value" class="gt_row gt_center">0.3</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_IL10</td>
## <td headers="stat_1" class="gt_row gt_center">8.3e-08 (1.5e-07)</td>
## <td headers="stat_2" class="gt_row gt_center">1.2e-07 (2.3e-07)</td>
## <td headers="p.value" class="gt_row gt_center">0.5</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_IL1B</td>
## <td headers="stat_1" class="gt_row gt_center">1.5e-05 (2e-05)</td>
## <td headers="stat_2" class="gt_row gt_center">1.2e-05 (1e-05)</td>
## <td headers="p.value" class="gt_row gt_center">0.5</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_IL6</td>
## <td headers="stat_1" class="gt_row gt_center">4.6e-08 (6.8e-08)</td>
## <td headers="stat_2" class="gt_row gt_center">1.4e-08 (1.7e-08)</td>
## <td headers="p.value" class="gt_row gt_center">0.013</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_IRS1</td>
## <td headers="stat_1" class="gt_row gt_center">1.3e-07 (1.2e-07)</td>
## <td headers="stat_2" class="gt_row gt_center">1.3e-07 (1.1e-07)</td>
## <td headers="p.value" class="gt_row gt_center">>0.9</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_JAK1</td>
## <td headers="stat_1" class="gt_row gt_center">1.1e-04 (1.1e-04)</td>
## <td headers="stat_2" class="gt_row gt_center">1.1e-04 (8.1e-05)</td>
## <td headers="p.value" class="gt_row gt_center">0.9</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_JAK3</td>
## <td headers="stat_1" class="gt_row gt_center">3.3e-05 (4.7e-05)</td>
## <td headers="stat_2" class="gt_row gt_center">2.7e-05 (3e-05)</td>
## <td headers="p.value" class="gt_row gt_center">0.6</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_LDHA</td>
## <td headers="stat_1" class="gt_row gt_center">2.8e-05 (2.4e-05)</td>
## <td headers="stat_2" class="gt_row gt_center">3.2e-05 (2.4e-05)</td>
## <td headers="p.value" class="gt_row gt_center">0.5</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_LIF</td>
## <td headers="stat_1" class="gt_row gt_center">2.8e-08 (3.8e-08)</td>
## <td headers="stat_2" class="gt_row gt_center">1.6e-08 (2.7e-08)</td>
## <td headers="p.value" class="gt_row gt_center">0.2</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_MAPK1</td>
## <td headers="stat_1" class="gt_row gt_center">2.6e-05 (2.1e-05)</td>
## <td headers="stat_2" class="gt_row gt_center">2.9e-05 (2.6e-05)</td>
## <td headers="p.value" class="gt_row gt_center">0.6</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_NFE2L2</td>
## <td headers="stat_1" class="gt_row gt_center">3.1e-05 (3.2e-05)</td>
## <td headers="stat_2" class="gt_row gt_center">3.1e-05 (2.7e-05)</td>
## <td headers="p.value" class="gt_row gt_center">>0.9</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_NFKB1</td>
## <td headers="stat_1" class="gt_row gt_center">1.6e-05 (1.5e-05)</td>
## <td headers="stat_2" class="gt_row gt_center">1.6e-05 (1.3e-05)</td>
## <td headers="p.value" class="gt_row gt_center">0.9</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_NLRP3</td>
## <td headers="stat_1" class="gt_row gt_center">5.8e-06 (5e-06)</td>
## <td headers="stat_2" class="gt_row gt_center">7.8e-06 (7.6e-06)</td>
## <td headers="p.value" class="gt_row gt_center">0.2</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_NOS2</td>
## <td headers="stat_1" class="gt_row gt_center">2.6e-09 (4.5e-09)</td>
## <td headers="stat_2" class="gt_row gt_center">3.7e-09 (6.3e-09)</td>
## <td headers="p.value" class="gt_row gt_center">0.4</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_NOX5</td>
## <td headers="stat_1" class="gt_row gt_center">3e-02 (1.7e-01)</td>
## <td headers="stat_2" class="gt_row gt_center">4.7e-09 (7.6e-09)</td>
## <td headers="p.value" class="gt_row gt_center">0.3</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_PDCD1</td>
## <td headers="stat_1" class="gt_row gt_center">2e-06 (3.2e-06)</td>
## <td headers="stat_2" class="gt_row gt_center">1.4e-06 (1.4e-06)</td>
## <td headers="p.value" class="gt_row gt_center">0.3</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_PPARG</td>
## <td headers="stat_1" class="gt_row gt_center">1.3e-07 (1.9e-07)</td>
## <td headers="stat_2" class="gt_row gt_center">1.6e-07 (2.5e-07)</td>
## <td headers="p.value" class="gt_row gt_center">0.6</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_PTAFR</td>
## <td headers="stat_1" class="gt_row gt_center">4.3e-05 (3.9e-05)</td>
## <td headers="stat_2" class="gt_row gt_center">4.9e-05 (3.8e-05)</td>
## <td headers="p.value" class="gt_row gt_center">0.5</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_PTGS2</td>
## <td headers="stat_1" class="gt_row gt_center">4.8e-06 (5.4e-06)</td>
## <td headers="stat_2" class="gt_row gt_center">4.9e-06 (3.6e-06)</td>
## <td headers="p.value" class="gt_row gt_center">>0.9</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_SLC2A4</td>
## <td headers="stat_1" class="gt_row gt_center">2e-07 (1.5e-07)</td>
## <td headers="stat_2" class="gt_row gt_center">1.9e-07 (2.5e-07)</td>
## <td headers="p.value" class="gt_row gt_center">>0.9</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_SOD1</td>
## <td headers="stat_1" class="gt_row gt_center">1.9e-05 (1.7e-05)</td>
## <td headers="stat_2" class="gt_row gt_center">2.2e-05 (2.2e-05)</td>
## <td headers="p.value" class="gt_row gt_center">0.4</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_SREBF1</td>
## <td headers="stat_1" class="gt_row gt_center">8.1e-06 (7.7e-06)</td>
## <td headers="stat_2" class="gt_row gt_center">9.3e-06 (6.5e-06)</td>
## <td headers="p.value" class="gt_row gt_center">0.5</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_STAT3</td>
## <td headers="stat_1" class="gt_row gt_center">3.3e-05 (4.4e-05)</td>
## <td headers="stat_2" class="gt_row gt_center">4.3e-05 (4.1e-05)</td>
## <td headers="p.value" class="gt_row gt_center">0.3</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_TGFB1</td>
## <td headers="stat_1" class="gt_row gt_center">2.9e-04 (3e-04)</td>
## <td headers="stat_2" class="gt_row gt_center">2.6e-04 (2.3e-04)</td>
## <td headers="p.value" class="gt_row gt_center">0.7</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_TLR3</td>
## <td headers="stat_1" class="gt_row gt_center">4.9e-07 (7.7e-07)</td>
## <td headers="stat_2" class="gt_row gt_center">4e-07 (5.6e-07)</td>
## <td headers="p.value" class="gt_row gt_center">0.6</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_TLR4</td>
## <td headers="stat_1" class="gt_row gt_center">1.8e-05 (2e-05)</td>
## <td headers="stat_2" class="gt_row gt_center">2e-05 (1.6e-05)</td>
## <td headers="p.value" class="gt_row gt_center">0.6</td></tr>
##     <tr><td headers="label" class="gt_row gt_left">AQ_TNF</td>
## <td headers="stat_1" class="gt_row gt_center">1e-05 (1.1e-05)</td>
## <td headers="stat_2" class="gt_row gt_center">1.2e-05 (1.2e-05)</td>
## <td headers="p.value" class="gt_row gt_center">0.6</td></tr>
##   </tbody>
##   
##   <tfoot class="gt_footnotes">
##     <tr>
##       <td class="gt_footnote" colspan="4"><span class="gt_footnote_marks" style="white-space:nowrap;font-style:italic;font-weight:normal;line-height:0;"><sup>1</sup></span> <span class='gt_from_md'>Mean (SD)</span></td>
##     </tr>
##     <tr>
##       <td class="gt_footnote" colspan="4"><span class="gt_footnote_marks" style="white-space:nowrap;font-style:italic;font-weight:normal;line-height:0;"><sup>2</sup></span> <span class='gt_from_md'>Welch Two Sample t-test</span></td>
##     </tr>
##   </tfoot>
## </table>
## </div>
# Convertir el objeto gtsummary a un data.frame
tabla_df_3 <- as.data.frame(tabla_modelo_3)

# Renombrar las columnas p-value y p-value2 para evitar conflicto de nombres
# Primero reemplazar "p-value" por un nombre único temporal para evitar conflictos
colnames(tabla_df_3) <- gsub("p-value", "p_value_temp", colnames(tabla_df_3))

# Luego asegurarse de que no haya columnas con nombres duplicados
colnames(tabla_df_3) <- make.unique(colnames(tabla_df_3))

# Convertir la tabla renombrada en un flextable
tabla_flextable_3 <- flextable(tabla_df_3)

# Crear un documento Word
doc <- read_docx()

# Agregar la tabla al documento Word
doc <- doc %>%
  body_add_par("Resultados Edad", style = "heading 1") %>%
  body_add_flextable(tabla_flextable_3)

# Guardar el documento Word
print(doc, target = "Resultados Edad.docx")

Interpretación de las estadísticas descriptivas

Los resultados muestran que en algunas características, como AQ_IL6, existen diferencias significativas entre las categorías de edad, con un valor p de 0.013, lo que sugiere que la edad tiene un impacto en los niveles de este gen. Sin embargo, para otras características, como AQ_ADIPOQ, AQ_ALOX5 y AQ_IL10, no se observan diferencias significativas, ya que los valores p son mayores que 0.05, indicando que los niveles de estas variables no se ven afectados por la edad. En general, aunque algunas variables presentan diferencias según la edad, muchas no muestran una influencia clara de este factor, lo que sugiere que el efecto de la edad en los genes estudiados es limitado o variable.